OpenBMB, UltraData 오픈소스 데이터셋 2종 공개…HuggingFace 트렌드 1위
원제목:🏆 Big news! UltraData just hit #1 AND #2 on HuggingFace Trending worldwide! 🎉 Released by OpenBMB ...
AI 요약
OpenBMB는 칭화대 NLP 및 Modelbest와 함께 두 가지 오픈소스 데이터셋을 공개했습니다: Ultra-FineWeb-L3(사전 학습 합성 데이터)는 600B+ 토큰(영어 400B+, 중국어 200B+)을 포함해 현재까지 최대 규모의 오픈소스 중국어 사전 학습 합성 데이터셋입니다. UltraData-SFT-2605(사후 학습 SFT 데이터)는 1,500만+ 샘플을 포함하며, 중국 최초로 사고 및 비사고 주석을 포함한 대규모 SFT 오픈소스 데이터셋으로 수학, 코드, 지식, 지시 준수를 아우릅니다. 두 데이터셋 모두 UltraData L0-L4 프레임워크를 기반으로 구축되어 MiniCPM5-1B 훈련에서 검증되었으며, HuggingFace에서 무료로 공개되었습니다.
핵심 정보
- OpenBMB는 칭화대 NLP 및 Modelbest와 함께 두 가지 오픈소스 데이터셋을 공개했습니다: Ultra-FineWeb-L3(사전 학습 합성 데이터)는 600B+…
- UltraData-SFT-2605(사후 학습 SFT 데이터)는 1,500만+ 샘플을 포함하며,중국 최초로 사고 및 비사고 주석을 포함한 대규모 SFT 오픈소스 데이터셋으로…
- 두 데이터셋 모두 UltraData L0-L4 프레임워크를 기반으로 구축되어 MiniCPM5-1B 훈련에서 검증되었으며,HuggingFace에서 무료로 공개되었습니다.
한눈에 보기
- 게시
- 업데이트
- 카테고리
- 제품 및 앱
- AI 점수
- 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。
관련 엔티티
출처 및 저작권
이 기사는 AIHOT 공개 API가 제공하는 선별 제목과 AI 요약을 바탕으로 하며, 출처를 밝히고 원문으로 연결합니다. 원문 저작권은 원 미디어와 저자에게 있으며, 본 사이트는 전문을 전재하지 않습니다.
인용 방법
본문을 인용할 때는 제목, 날짜, 영구 링크를 유지하고 출처를 Orange News(으)로 표기해 주세요.
Orange News: OpenBMB, UltraData 오픈소스 데이터셋 2종 공개…HuggingFace 트렌드 1위. 2026년 6월 1일. https://new.nat6.net/ko/news/cmpv8b6wa04jvsl0zc4newlns/