Mxode/Chinese-Instruct
Chinese-Instruct-Lite
中文指令微调数据集 - Lite 版本
💻 Github Repo
[!TIP]
这不是 Chinese-Instruct 的子集，而是一个全新的简化数据集。
如果您想要一个可以真实使用、而不仅仅适用于学习的数据集，欢迎访问：Mxode/Chinese-Instruct
如果您想要一个更加简单易收敛、主题集中的数据集，可以访问：Mxode/I_Wonder_Why-Chinese
具体构成
本数据集包含如下 5 个子集，总数据量 10M+。
code：代码主题的指令数据集，数据量 1.2M+。
math：数学主题的指令数据集，数据量 1.7M+。
general：通用指令数据集，主题广泛，与 code 和 math 指令不重复，数据量 5.1M+。
math(reasoning)：数学推理数据集，指令采样自 math 子集，可通过 id 关联，数据量 1.2M+。code(reasoning)：代码推理数据集，指令采样自 code 子集，可通过 id 关联，数据量 700K+。
如何使用… See the full description on the dataset page: https://huggingface.co/datasets/Mxode/Chinese-Instruct-Lite.Chinese-Instruct
中文指令微调数据集
💻 Github Repo
本项目旨在构建一个高质量、多领域、大规模的中文指令微调数据集。
本项目将会持续更新。更多数据集欢迎访问 Github Repo。
[!TIP]
如果您想要一个可用于学习的简化版中文指令数据集，可以访问：Mxode/Chinese-Instruct-Lite
具体构成
dpsk-r1-distil：中文 DeepSeek-R1 蒸馏数据集，来自 Congliu/Chinese-DeepSeek-R1-Distill-data-110k，根据打分质量做了筛选，提取了最终的回答，未包含思考过程。
chinese-reasoning-distil：中文推理蒸馏数据集，来自 Mxode/Chinese-Reasoning-Distil-Data，提取了最终的回答，未包含思考过程。
firefly：中文通用指令微调数据集，指令取自 Mxode/Firefly-1.1M-Rephrased，其本身已经相较于原 Firefly… See the full description on the dataset page: https://huggingface.co/datasets/Mxode/Chinese-Instruct.