Open-source community 发布 Kun 数据集, 应用在 自然语言处理、机器学习 领域

Open-source community 本次发布的数据集 Kun, 该数据集是一个高质量的大型语言模型（LLM）指令调优数据集，它采用了基于指令回译和答案精炼的自我训练算法。通过利用来自多样化来源的未标注数据，生成了超过一百万条中文教学数据点。该数据集的来源包括悟道、万卷和Skypile，涵盖了学术学科、行业领域和文本类型的多样化指令分类。规模上，该数据集包含了超过一百万个数据点，其任务旨在为大型语言模型进行指令调优。

查看Kun

Dataset card 内容： 

Files and versions 内容： 

关于 Open-source community , -

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。