产品与应用

OpenBMB发布UltraData两大开源数据集,登顶HuggingFace趋势榜

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

AI 摘要

OpenBMB联合清华NLP与Modelbest发布两个开源数据集:Ultra-FineWeb-L3(预训练合成数据)包含600B+ tokens(超400B英文、200B+中文),是迄今最大开源中文预训练合成数据集;UltraData-SFT-2605(后训练SFT数据)包含15M+样本,是中国首个开源且包含思考与非思考标注的大规模SFT数据集,覆盖数学、代码、知识和指令遵循。两者均基于UltraData L0-L4框架构建,并在MiniCPM5-1B训练中完成验证。数据集已在HuggingFace免费开放。

关键信息

  • OpenBMB联合清华NLP与Modelbest发布两个开源数据集:Ultra-FineWeb-L3(预训练合成数据)包含600B+ tokens(超400B英文、200B+中文),是迄今最大开源中…
  • UltraData-SFT-2605(后训练SFT数据)包含15M+样本,是中国首个开源且包含思考与非思考标注的大规模SFT数据集,覆盖数学、代码、知识和指令遵循。
  • 两者均基于UltraData L0-L4框架构建,并在MiniCPM5-1B训练中完成验证。
  • 数据集已在HuggingFace免费开放
  • 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

速览

发布时间
更新时间
来源
X:面壁智能 OpenBMB (@OpenBMB)
分类
产品与应用
AI 评分
78
阅读原文 前往信息源阅读完整正文
推荐理由

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。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:OpenBMB发布UltraData两大开源数据集,登顶HuggingFace趋势榜。2026年6月1日。https://new.nat6.net/news/cmpv8b6wa04jvsl0zc4newlns/

查看全部 →
  • OpenAI前沿模型与Codex现可在AWS上使用

    OpenAI的前沿模型与Codex现已在AWS上全面可用。企业客户可通过其现有的AWS环境、控制与采购流程来使用OpenAI的AI技术,从而加速从评估到生产部署的过程。

    OpenAI:官网动态(RSS · 排除企业/客户案例)产品与应用AI 评分 66

  • Auto Router 新增成本质量权衡参数

    Auto Router 现在允许你调整其在成本与质量之间的权衡。 新增 `cost_quality_tradeoff` 参数,范围 0 到 10: 设为 0 时,它总是选择最强大的模型,无论价格如何。设为 10 时,最便宜的模型胜出。

    X:OpenRouter (@OpenRouter)产品与应用AI 评分 77

  • 腾讯混元发布智能体长期记忆插件Hy-Memory

    腾讯混元正式发布专为OpenClaw等长期协作智能体(Agent)设计的记忆插件 Hy-Memory。它基于6层记忆框架、System1/System2双系统与三层进化链构建,旨在成为智能体的“第二大脑”。该插件解决了记忆碎片化问题,实现…

    X:腾讯混元 (@TencentHunyuan)产品与应用AI 评分 73

  • Cursor Teams计划定价方案更新

    Cursor Teams计划推出三项更新:增加Composer特定使用池,将第一方模型(Composer和Auto)与第三方API的使用额度分开计费;推出Premium席位,提供5倍于标准席位($40/月)的使用量,价格为$96/月(年付…

    Cursor Blog产品与应用AI 评分 64

  • Claude Code 新增动态工作流功能

    Claude Code 新增动态工作流功能,允许模型在运行时即兴创建和协调多智能体框架来处理复杂任务。该功能通过执行特定的 JavaScript 文件来生成和协调拥有独立上下文窗口的子代理,可解决单一上下文窗口中长时间执行任务可能出现的智…

    Claude:Blog(网页)产品与应用AI 评分 77