Mga produkto at aplikasyon

Inilabas ng OpenBMB ang dalawang open source dataset ng UltraData, nanguna sa HuggingFace trending list

Orihinal na pamagat:🏆 Big news! UltraData just hit #1 AND #2 on HuggingFace Trending worldwide! 🎉 Released by OpenBMB ...

AI summary

Kasama ng Tsinghua NLP at Modelbest, inilabas ng OpenBMB ang dalawang open source dataset: Ultra-FineWeb-L3 (pre-training synthetic data) na naglalaman ng 600B+ tokens (mahigit 400B English, 200B+ Chinese), ang pinakamalaking open source Chinese pre-training synthetic dataset hanggang ngayon; UltraData-SFT-2605 (post-training SFT data) na naglalaman ng 15M+ samples, ang unang open source sa China na large-scale SFT dataset na may thinking at non-thinking annotations, na sumasaklaw sa math, code, knowledge at instruction following. Pareho silang binuo batay sa UltraData L0-L4 framework, at na-validate sa MiniCPM5-1B training. Libre nang bukas ang dataset sa HuggingFace.

Mahahalagang impormasyon

  • Kasama ng Tsinghua NLP at Modelbest,inilabas ng OpenBMB ang dalawang open source dataset:…
  • UltraData-SFT-2605 (post-training SFT data) na naglalaman ng 15M+ samples,ang unang open source sa…
  • Pareho silang binuo batay sa UltraData L0-L4 framework,at na-validate sa MiniCPM5-1B training.
  • Libre nang bukas ang dataset sa HuggingFace.

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
X:面壁智能 OpenBMB (@OpenBMB)
Kategorya
Mga produkto at aplikasyon
AI na marka
78
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

面壁开源了两个王炸数据集,预训练的 600B+ token 中文合成数据史上最大,SFT 那边 1500 万条带思考链的指令更是头一回见,做中文基础模型的可以无脑下载了。

Kaugnay na Entity

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Inilabas ng OpenBMB ang dalawang open source dataset ng UltraData, nanguna sa HuggingFace trending list. 1 Hunyo 2026. https://new.nat6.net/fil/news/cmpv8b6wa04jvsl0zc4newlns/

Tingnan lahat →