OpenBMB выпустила два открытых датасета UltraData и возглавила тренды HuggingFace
Оригинальный заголовок:🏆 Big news! UltraData just hit #1 AND #2 on HuggingFace Trending worldwide! 🎉 Released by OpenBMB ...
ИИ-резюме
OpenBMB совместно с Tsinghua NLP и Modelbest выпустила два открытых датасета: Ultra-FineWeb-L3 (синтетические данные для предобучения) содержит 600B+ токенов (более 400B на английском и 200B+ на китайском) и является крупнейшим на сегодня открытым синтетическим датасетом для предобучения на китайском; UltraData-SFT-2605 (данные SFT для постобучения) содержит 15M+ примеров и является первым в Китае открытым крупномасштабным SFT-датасетом с разметкой рассуждений и без них, охватывающим математику, код, знания и следование инструкциям. Оба построены на основе фреймворка UltraData L0-L4 и проверены при обучении MiniCPM5-1B. Датасеты бесплатно доступны на HuggingFace.
Ключевые моменты
- OpenBMB совместно с Tsinghua NLP и Modelbest выпустила два открытых датасета: Ultra-FineWeb-L3…
- UltraData-SFT-2605 (данные SFT для постобучения) содержит 15M+ примеров и является первым в Китае…
- Оба построены на основе фреймворка UltraData L0-L4 и проверены при обучении MiniCPM5-1B.
- Датасеты бесплатно доступны на HuggingFace.
Кратко
- Опубликовано
- Обновлено
- Источник
- X:面壁智能 OpenBMB (@OpenBMB)
- Категория
- Продукты и приложения
- Оценка ИИ
- 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。
Связанные сущности
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: OpenBMB выпустила два открытых датасета UltraData и возглавила тренды HuggingFace. 1 июня 2026. https://new.nat6.net/ru/news/cmpv8b6wa04jvsl0zc4newlns/