Статьи и исследования

ModelBest совместно с Университетом Цинхуа и OpenBMB открыла крупнейший китайский синтетический датасет для предобучения и SFT-датасет уровня десятков миллионов, опубликовав ключевые данные MiniCPM5-1B

Оригинальный заголовок: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

ИИ-резюме

ModelBest совместно с Университетом Цинхуа и OpenBMB выпустила и открыла два датасета: Ultra-FineWeb-L3 (более 600B Tokens, из них более 200B на китайском — крупнейший на данный момент китайский синтетический датасет для предобучения) и UltraData-SFT-2605 (первый в Китае SFT-датасет уровня десятков миллионов с разметкой как глубокого, так и неглубокого мышления). Оба построены на системе многоуровневого управления данными UltraData и полностью проверены в процессе обучения MiniCPM5-1B, охватывая весь цикл от отжига при предобучении до постобучения SFT. Датасеты опубликованы на сайте UltraData и HuggingFace и доступны бесплатно.

Ключевые моменты

  • ModelBest совместно с Университетом Цинхуа и OpenBMB выпустила и открыла два датасета:…
  • Оба построены на системе многоуровневого управления данными UltraData и полностью проверены в…
  • Датасеты опубликованы на сайте UltraData и HuggingFace и доступны бесплатно.

Кратко

Опубликовано
Обновлено
Источник
公众号:面壁智能(MiniCPM)
Категория
Статьи и исследования
Оценка ИИ
61
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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。

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.

Оригинал статьи · Материал на AIHOT

Как цитировать

При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.

Orange News: ModelBest совместно с Университетом Цинхуа и OpenBMB открыла крупнейший китайский синтетический датасет для предобучения и SFT-датасет уровня десятков миллионов, опубликовав ключевые данные MiniCPM5-1B. 29 мая 2026. https://new.nat6.net/ru/news/cmq2o64uw01fbsl6ns33miceg/

Смотреть все →