北京智源人工智能研究院（BAAI） 发布 InfinityInstruct-Subject 数据集, 应用在 自然语言处理、机器学习 领域

北京智源人工智能研究院（BAAI） 本次发布的数据集 InfinityInstruct-Subject, InfinityInstruct-Subject 是一个包含约150万个高质量指令的数据集，旨在解决当前指令数据集在覆盖范围和指令复杂性方面的局限性。该数据集通过一个系统的指令数据构建框架创建，该框架集成了一个层次标签系统、一个信息丰富的种子选择算法、一个进化数据合成过程以及一个基于模型缺陷诊断的有针对性的数据生成过程。InfinityInstruct-Subject 数据集的构建过程包括收集高质量的种子指令，开发一个基于大型语言模型的自动标签系统来分析数据池的分布，并应用进化算法生成新的指令样本。该数据集在多个基准测试中表现出了提高指令遵循能力的效果，并在与类似的合成指令数据集相比时，显示出更大的覆盖范围和复杂性。

查看InfinityInstruct-Subject

Dataset card 内容： 

Files and versions 内容： 

关于 北京智源人工智能研究院（BAAI） , 北京智源人工智能研究院（BAAI）是一家专注于人工智能领域的研究机构，致力于推动人工智能的基础研究、技术创新和高层次人才培养。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。