Produits et applications

OpenBMB publie deux grands jeux de données open source UltraData et domine la tendance HuggingFace

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

Résumé IA

OpenBMB, avec le NLP de Tsinghua et Modelbest, publie deux jeux de données open source : Ultra-FineWeb-L3 (données synthétiques de pré-entraînement) contient plus de 600B tokens (plus de 400B en anglais, plus de 200B en chinois), le plus grand jeu de données synthétiques chinois de pré-entraînement open source à ce jour ; UltraData-SFT-2605 (données SFT de post-entraînement) contient plus de 15M d'échantillons, le premier grand jeu de données SFT open source chinois incluant des annotations avec et sans réflexion, couvrant mathématiques, code, connaissances et suivi d'instructions. Les deux reposent sur le cadre UltraData L0-L4 et ont été validés lors de l'entraînement de MiniCPM5-1B. Les jeux de données sont disponibles gratuitement sur HuggingFace.

Points clés

  • OpenBMB,avec le NLP de Tsinghua et Modelbest,publie deux jeux de données open source:…
  • UltraData-SFT-2605 (données SFT de post-entraînement) contient plus de 15M d'échantillons,le…
  • Les deux reposent sur le cadre UltraData L0-L4 et ont été validés lors de l'entraînement de…
  • Les jeux de données sont disponibles gratuitement sur HuggingFace.

En bref

Publié
Mis à jour
Source
X:面壁智能 OpenBMB (@OpenBMB)
Catégorie
Produits et applications
Score IA
78
Lire l'original Lire l'article complet à la source d'origine
Pourquoi c'est important

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。

Entités associées

Source et droits

Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.

Article original · Fiche AIHOT

Comment citer

Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.

Orange News : OpenBMB publie deux grands jeux de données open source UltraData et domine la tendance HuggingFace. 1. juin 2026. https://new.nat6.net/fr/news/cmpv8b6wa04jvsl0zc4newlns/

Tout voir →