LLM Question-Answer Dataset

kaggle2024-03-06 更新2024-05-01 收录

下载链接：

https://www.kaggle.com/datasets/trainingdatapro/llm-dataset

下载链接

链接失效反馈

官方服务：

资源简介：

Dataset with texts generated by LLM in 32 languages

由大语言模型（LLM）生成的32种语言文本数据集

创建时间：

2024-03-06

walledai/AdvBench

AdvBench是一个包含500个有害行为的指令集，这些行为涵盖了与有害字符串设置相同的主题。数据集的目的是找到一个攻击字符串，使模型生成试图执行这些有害行为的响应。我们通过模型是否合理尝试执行行为来判断测试案例是否成功。

Hugging Face2024-07-04 更新11450

kaist-ai/CoT-Collection

CoT Collection数据集旨在通过微调语言模型来生成Chain-of-Thoughts（CoT），从而提升零样本和少样本学习的能力。该数据集包含1060个任务，覆盖了多种自然语言处理任务类别，如自然语言推理、问答、科学、算术等。数据集的结构包括输入、目标答案、推理链和任务类别。数据集的规模为1837928条训练数据。

Hugging Face2023-10-14 更新7930

llama3 中文化数据集

该数据集为 llama3 中文化数据集集合，已统一处理为 firefly 格式，可以配合 firefly 工具直接训练 llama3 中文模型。

超神经2024-05-30 更新6520

WikiText-103

WikiText 语言建模数据集是从 Wikipedia 上经过验证的 Good 和 Featured 文章集中提取的超过 1 亿个标记的集合。

OpenDataLab2026-07-12 更新8840

CoT中文数据集

经过翻译的CoT数据集，用于微调ChatGLM-6b或ChatGLM2-6b。

github2023-12-21 更新7660