Produk & Aplikasi

OpenBMB melancarkan dua set data sumber terbuka UltraData, menduduki teratas senarai trend HuggingFace

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

Ringkasan AI

OpenBMB bersama NLP Tsinghua dan Modelbest melancarkan dua set data sumber terbuka: Ultra-FineWeb-L3 (data sintetik pra-latihan) mengandungi 600B+ token (lebih 400B bahasa Inggeris, 200B+ bahasa Cina), merupakan set data sintetik pra-latihan bahasa Cina sumber terbuka terbesar setakat ini; UltraData-SFT-2605 (data SFT pasca-latihan) mengandungi 15M+ sampel, merupakan set data SFT berskala besar pertama di China yang sumber terbuka dan mengandungi anotasi pemikiran dan bukan pemikiran, meliputi matematik, kod, pengetahuan dan pematuhan arahan. Kedua-duanya dibina berdasarkan rangka kerja UltraData L0-L4, dan telah disahkan dalam latihan MiniCPM5-1B. Set data telah dibuka secara percuma di HuggingFace.

Maklumat penting

  • OpenBMB bersama NLP Tsinghua dan Modelbest melancarkan dua set data sumber terbuka:…
  • UltraData-SFT-2605 (data SFT pasca-latihan) mengandungi 15M+ sampel,merupakan set data SFT…
  • Kedua-duanya dibina berdasarkan rangka kerja UltraData L0-L4,dan telah disahkan dalam latihan…
  • Set data telah dibuka secara percuma di HuggingFace.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
X:面壁智能 OpenBMB (@OpenBMB)
Kategori
Produk & Aplikasi
Skor AI
78
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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。

Entiti Berkaitan

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: OpenBMB melancarkan dua set data sumber terbuka UltraData, menduduki teratas senarai trend HuggingFace. 1 Jun 2026. https://new.nat6.net/ms/news/cmpv8b6wa04jvsl0zc4newlns/

Lihat Semua →