WebInstruct-CFT
Conjunto de datos de texto diseñado para entrenar modelos para criticar las respuestas, que abarca varios campos científicos y empresariales, con ejemplos estructurados en instrucciones, entradas y salidas.
Versiones de 4.000 a 600.000 ejemplos, formato JSON con instrucciones, entradas y salidas de texto
Apache 2.0
Descripción
WebInstruct-CFT es un conjunto de datos basado en texto con instrucciones, preguntas y reseñas detalladas generadas por GPT-4o. Abarca una variedad de temas que incluyen matemáticas, física, química, negocios y humanidades.
¿Para qué sirve este conjunto de datos?
- Ajustar los modelos de LLM para generar críticas precisas y constructivas
- Mejorar la calidad de las respuestas generadas por los modelos de IA
- Formación en varias áreas científicas y empresariales con una estructura clara
¿Se puede enriquecer o mejorar?
Sí, es posible añadir más áreas o aumentar la diversidad de críticos. La anotación manual también puede mejorar la calidad de las reseñas producidas.
🔎 En resumen
🧠 Recomendado para
- Investigadores de PNL
- Equipos de perfeccionamiento de LLM
- Desarrolladores asistentes de IA
🔧 Herramientas compatibles
- Hugging Face Datasets
- PyTorch
- TensorFlow
- Scripts JSON
💡 Consejo
Utilice la versión completa (600 000) para una formación sólida; de lo contrario, utilice los subconjuntos para la creación de prototipos.
Preguntas frecuentes
¿Se puede usar este conjunto de datos para entrenar un modelo para criticar las respuestas en francés?
El conjunto de datos está principalmente en inglés; se requiere una adaptación o traducción para el francés.
¿Cuáles son los tamaños disponibles del conjunto de datos?
Tres variantes: 4000, 50 000 y 600 000 ejemplos, según las necesidades y los recursos.
¿Este conjunto de datos es adecuado para tareas de texto no críticas?
Está diseñado específicamente para responder a las críticas, pero los datos se pueden adaptar para otras tareas de PNL con modificaciones.
