LiquidAI / antidoom-mix-v1.0
面向antidoom风格生成和偏好数据的仅提示训练混合
下载 86 · 收藏 23 · 14天前更新
2026-07-08 数据集 (8)
ruggsea / infini-news-corpus
从Common Crawl CC-News提取的多语言新闻语料
下载 30k · 收藏 18 · 20天前更新
Nerfgun3 / bad_prompt
用于负面提示的文本嵌入/嵌入文件
下载 1.7k · 收藏 952 · 3年前更新
- py from datasets import load_dataset ds = load_dataset("Nerfgun3/bad_prompt")
allenai / dolma
开放语料库，用于语言模型预训练研究
下载 4.1k · 收藏 1.1k · 2年前更新
databricks / databricks-dolly-15k
由人工生成的指令跟随数据集，覆盖多种任务类型
下载 42k · 收藏 995 · 3年前更新
- py from datasets import load_dataset ds = load_dataset("databricks/databricks-dolly-15k")
roneneldan / TinyStories
GPT生成的小词汇表短故事数据集
下载 85k · 收藏 1.1k · 1年前更新
- py from datasets import load_dataset ds = load_dataset("roneneldan/TinyStories")
tatsu-lab / alpaca
由OpenAI引擎生成的指令和演示数据集
下载 80k · 收藏 1.0k · 3年前更新
- py from datasets import load_dataset ds = load_dataset("tatsu-lab/alpaca")
tiiuae / falcon-refinedweb
过滤和去重后的英文CommonCrawl网页数据集
下载 15k · 收藏 932 · 3年前更新
- py from datasets import load_dataset ds = load_dataset("tiiuae/falcon-refinedweb")