Microsoft 发布 orca-agentinstruct-200k 数据集, 应用在 自然语言处理、模型训练 领域

Microsoft 本次发布的数据集 orca-agentinstruct-200k, AgentInstruct数据集是一个用于生成高质量多样化指令对的综合框架，旨在为语言模型的后训练阶段提供数据。该数据集包含20万个指令对，涵盖文本编辑、创意写作、编码、阅读理解等多种技能。数据通过使用文本文档和代码文件等原始数据源生成。该数据集已被用于后训练Mistral-7b模型，在多个基准测试中显著提升了性能。该数据集适用于研究目的，可用于提升任何基础模型的性能。它不适用于教育系统或医疗系统。

查看orca-agentinstruct-200k

Dataset card 内容： 

Files and versions 内容： 

关于 Microsoft , 微软是一家总部位于美国华盛顿州的全球知名科技公司。

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。