SummFlow 2026-05-24 Hugging Face

databricks / databricks-dolly-15k

Databricks员工生成的指令跟随数据，覆盖多种任务类别。

1.5万行 · 267 MB

  • 文本
  • 问答
  • 摘要
  • cc-by-sa-3.0 · 可商用

下载 34k · 收藏 971 · 3年前更新

社区实测

首个开源可商用的真人标注指令数据集，开创性意义大于实用价值，当前已被更大规模数据集替代

  • 提供了首个开源、可商用的真人标注指令微调数据集，填补了空白
  • 验证了用高质量指令数据在单机上数小时内即可让旧模型获得 ChatGPT 式交互能力
  • 原始数据存在 PII、毒性内容、非正式语言等质量问题，社区已有 Cleanlab 清洗版
  • 数据量仅 15k 条，已被后续更大规模指令数据集超越，社区质疑其当前实用价值
来源

Dolly: Open Instruction-Tuned LLM | Databricks Blog[R] Hello Dolly: Democratizing the magic of ChatGPT with open ...Cleanlab/databricks-dolly-15k-cleanset · Datasets at Hugging Face[D] Databricks Dolly 15k - Creating Synthetic Variants - Reddit

截至 2026-06-20

  • py from datasets import load_dataset ds = load_dataset("databricks/databricks-dolly-15k")