ModelBest bersama Tsinghua dan OpenBMB mengopen sumberkan set data sintetik prapelatihan Cina terbesar serta set data SFT berskala puluhan juta, mendedahkan data teras MiniCPM5-1B
Tajuk asal: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
Ringkasan AI
ModelBest bersama Universiti Tsinghua dan OpenBMB melancarkan dan mengopen sumberkan dua set data: Ultra-FineWeb-L3 (melebihi 600B Tokens, dengan lebih 200B dalam bahasa Cina, merupakan set data sintetik prapelatihan Cina terbesar ketika ini) dan UltraData-SFT-2605 (set data SFT pertama di China berskala puluhan juta yang mengandungi anotasi pemikiran mendalam dan bukan pemikiran serentak). Kedua-duanya dibina berdasarkan sistem tadbir urus penggredan data UltraData, telah disahkan sepenuhnya dalam aliran latihan MiniCPM5-1B, dan meliputi keseluruhan rantaian dari penyepuhlindapan prapelatihan hingga SFT selepas latihan. Ia telah tersedia di laman web UltraData dan HuggingFace secara percuma.
Maklumat penting
- ModelBest bersama Universiti Tsinghua dan OpenBMB melancarkan dan mengopen sumberkan dua set data:…
- Kedua-duanya dibina berdasarkan sistem tadbir urus penggredan data UltraData,telah disahkan…
- Ia telah tersedia di laman web UltraData dan HuggingFace secara percuma.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- 公众号:面壁智能(MiniCPM)
- Kategori
- Kertas penyelidikan
- Skor AI
- 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。
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.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: ModelBest bersama Tsinghua dan OpenBMB mengopen sumberkan set data sintetik prapelatihan Cina terbesar serta set data SFT berskala puluhan juta, mendedahkan data teras MiniCPM5-1B. 29 Mei 2026. https://new.nat6.net/ms/news/cmq2o64uw01fbsl6ns33miceg/