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
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.
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/