面壁智能, 칭화대·OpenBMB와 최대 중국어 사전학습 합성 데이터셋 및 천만 건급 SFT 데이터셋 오픈소스 공개, MiniCPM5-1B 핵심 데이터 공개
원제목:国内首次!面壁智能开源千万级 SFT 与最大中文合成数据,MiniCPM5‑1B 核心数据公开
AI 요약
面壁智能이 칭화대학교, OpenBMB와 함께 Ultra-FineWeb-L3(600B Tokens 초과, 중국어 200B 이상, 현재 최대 중국어 사전학습 합성 데이터셋)와 UltraData-SFT-2605(국내 최초 천만 건급으로 심층 사고와 비사고 주석을 동시에 포함한 SFT 데이터셋) 두 데이터셋을 발표하고 오픈소스로 공개했다. 두 데이터셋은 UltraData 데이터 등급 거버넌스 체계를 기반으로 구축됐으며 MiniCPM5-1B 훈련 과정에서 완전히 검증되어 사전학습 어닐링부터 후속 훈련 SFT까지 전 과정을 아우른다. UltraData 웹사이트와 HuggingFace에 공개되어 무료로 개방된다.
핵심 정보
- 面壁智能이 칭화대학교,OpenBMB와 함께 Ultra-FineWeb-L3(600B Tokens 초과,중국어 200B 이상,현재 최대 중국어 사전학습 합성 데이터셋)와 UltraD…
- 두 데이터셋은 UltraData 데이터 등급 거버넌스 체계를 기반으로 구축됐으며 MiniCPM5-1B 훈련 과정에서 완전히 검증되어 사전학습 어닐링부터 후속 훈련 SFT까지 전…
- UltraData 웹사이트와 HuggingFace에 공개되어 무료로 개방된다.
한눈에 보기
- 게시
- 업데이트
- 카테고리
- 논문 및 연구
- AI 점수
- 61
填补了中文大规模合成数据空白,三年前还在用英文数据做中文模型的日子可以翻篇了,做端侧模型的可以直接拿这份数据跑一版 MiniCPM5-1B 级别的效果。
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: 面壁智能, 칭화대·OpenBMB와 최대 중국어 사전학습 합성 데이터셋 및 천만 건급 SFT 데이터셋 오픈소스 공개, MiniCPM5-1B 핵심 데이터 공개. 2026년 5월 29일. https://new.nat6.net/ko/news/cmq2o64uw01fbsl6ns33miceg/