Allen Institute for AI发布Dolci-Think-SFT-Olmo-Hybrid数据集,应用在对话系统、自然语言处理领域

Allen Institute for AI本次发布的数据集Dolci-Think-SFT-Olmo-Hybrid,Dolci Think SFT Olmo Hybrid 是一个面向人工智能训练的大规模对话数据集，采用 Open Data Commons Attribution License (ODC-By) 许可，明确限定用于研究和教育用途。数据集包含 2,932,239 条训练样本，总大小约 86.5GB。每条数据记录包含以下核心字段：1) messages 字段（结构化列表形式），内含对话内容(content)、角色标识(role)、函数调用信息(function_calls)和函数定义(functions)；2) 唯一标识符(id)；3) 数据来源标识(source)。该数据集适用于对话系统训练、函数调用理解等自然语言处理任务，其混合式数据结构支持多轮对话和功能性指令的联合建模。

查看Dolci-Think-SFT-Olmo-Hybrid

关于Allen Institute for AI,艾伦人工智能研究所是一家专注于AI研究和应用的高级研究机构。

关于HuggingFace,Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。