instruction-datasets

大语言模型指令微调数据集汇总

Instruction Tuning 大语言模型数据集 NLP 多语言 Github 开源项目

该项目整理了大语言模型指令微调所需的多种数据集，包括金标准、银标准/LM生成和偏好数据集。内容涵盖多语言和多模态任务，提供指令-响应对和人类偏好评分等资源。这些数据集有助于提升模型的指令跟随、对话和任务执行能力，为NLP研究和开发提供重要参考。

GPTeacher - GPT-4生成的多模块AI训练数据集

AI模型GPTeacherGithub开源项目微调指令生成数据集

GPTeacher项目提供由GPT-4生成的多模块数据集，包含通用指令、角色扮演、代码生成和工具使用等内容。数据集涵盖思维链推理、逻辑谜题和文字游戏等多样化任务，采用Alpaca格式便于模型微调。最新的角色扮演V2数据集规模更大，内容更丰富，包含模拟对话历史。这些数据集为AI模型训练提供了丰富的资源。

Awesome_Multimodel_LLM - 多模态大语言模型资源集锦及研究动态

Github上下文学习多模态大语言模型开源项目思维链指令微调视觉推理

本项目汇集了多模态大语言模型(MLLM)相关资源,涵盖数据集、指令微调、上下文学习、思维链等多个方面。内容持续更新,跟踪MLLM领域最新进展。项目还将发布LLM和MLLM最新研究综述。这是研究人员和开发者了解MLLM前沿动态的重要参考。

instruct-eval - 指令调优的大型语言模型的评估和比较

AlpacaFlan-T5GithubIMPACTInstructEvalLLM开源项目

InstructEval项目专注于全面评估和比较指令调优的大型语言模型（如Flan-T5和Alpaca），并提供简便的基准测试库和排行榜。该项目支持多种模型和任务，使研究者能够轻松直观地在学术基准（如MMLU和BBH）上比较模型表现。此外，InstructEval发布了用于评估LLM写作能力的IMPACT数据集和安全评估基准Red-Eval，为用户提供多样的测试工具和资源。

Mistral-Nemo-Instruct-2407-GGUF - 多语言指令微调大规模语言模型

GithubHuggingfaceMistral-Nemo-Instruct多语言大语言模型开源项目指令微调模型自然语言处理

Mistral-Nemo-Instruct-2407是一款基于Mistral-Nemo-Base-2407指令微调的大规模语言模型，支持128k上下文窗口。该模型在多语言和代码任务方面表现优异，可替代Mistral 7B使用。模型在主流基准测试中表现出色，并在多语言任务中展现强大能力。开发者可通过mistral_inference、transformers或NeMo框架使用该模型进行聊天、指令遵循和函数调用等多样化任务。Mistral-Nemo-Instruct-2407采用Apache 2许可证开源发布。

ToolBench - 大规模工具使用指令数据集与开源语言模型

AI工具APIGithubToolBench大规模语言模型工具使用能力开源项目

ToolBench项目构建了大规模的指令微调数据集，旨在提升语言模型的工具使用能力。该项目收集了16464个真实API，覆盖单工具和多工具场景，采用深度优先搜索决策树方法生成注释。项目提供训练脚本和微调后的ToolLLaMA模型，其工具使用能力达到了与ChatGPT相当的水平。

Mistral-Nemo-Instruct-2407-vllm-fp8 - 开源多语言指令微调大模型

Apache 2许可GithubHuggingfaceMistral-Nemo-Instruct-2407多语言大语言模型开源项目指令微调模型

Mistral-Nemo-Instruct-2407是Mistral AI与NVIDIA联合开发的开源指令微调语言模型。该模型在128K上下文窗口训练，支持多语言和代码生成，性能优于同等规模模型。采用Apache 2许可，可替代Mistral 7B使用。模型在多项基准测试中表现出色，支持mistral_inference、transformers和NeMo等框架进行推理。

T-lite-instruct-0.1 - 优化指令模型，提升生成质量与安全性

GithubHuggingfaceT-lite-instruct-0.1偏好调整基准测试奖励建模开源项目指令数据集模型

T-lite-instruct-0.1是一种经过bf16格式训练的AI模型，专注于安全性和生成的高质量。它使用多样化的数据集，包括翻译后的英语开源数据集，避免低质量翻译。通过强模型生成的上下文进行训练，在MT-Bench和Arena基准测试中表现优秀，适合高标准工业应用。

Qwen2.5-32B-Instruct - 多语言大规模语言模型支持长文本处理和结构化输出

GithubHuggingfaceQwen2.5多语言支持大语言模型开源项目指令微调模型长文本处理

Qwen2.5-32B-Instruct是一款指令微调大语言模型，参数量为325亿。该模型支持29种以上语言，擅长指令跟随、长文本生成和结构化输出。它采用因果语言模型架构，支持131,072个token的上下文长度，可生成8192个token。模型在编码、数学等领域表现出色，并能处理表格等结构化数据。

llm-jp-3-1.8b-instruct - 跨平台大规模语言模型的多语言开发与评估

GithubHuggingfacellm-jptransformers大规模语言模型开源项目指令微调模型预训练

项目由日本国家信息学研究所研发中心开发，提供支持多种编程语言的大型语言模型，如C、Python、Java。采用Transformer架构，模型经过大规模数据集的预训练与优化微调，适用于多语言环境。用户可通过Hugging Face Transformers库轻松集成与使用。项目提供模型技术细节、参数设置和语言标记器使用方法，以及多样化的数据集和评估方案，适用于中文、英文、日文等语言。

instructor-embedding - 指令微调的文本嵌入模型

GithubINSTRUCTOR定制化任务开源项目文本嵌入模型高性能

INSTRUCTOR是一种指令微调的文本嵌入模型，无需额外训练即可生成定制化的文本嵌入，支持多种任务和领域，覆盖70项不同的嵌入任务，表现卓越。最新更新包括优化的代码结构和硬负样本检查点。用户可以通过本地或Colab轻松安装和使用INSTRUCTOR进行文本分类、信息检索和聚类等任务，并提供详细的安装及使用指南。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com