ChatQA Project 发布 Long SFT Dataset 数据集, 应用在 自然语言处理、对话系统 领域

ChatQA Project 本次发布的数据集 Long SFT Dataset, 该数据集旨在提升模型处理长达128k标记的长上下文序列的能力，通过整合现有长上下文数据集和合成数据而构建。数据集不仅包含了高质量遵循指令的数据集，还融入了专为训练具有长上下文能力模型而设计的对话式问答数据。此外，该数据集还针对长上下文理解和检索增强生成任务进行了专门的指令调优。

查看Long SFT Dataset

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。