ModelBest ร่วมกับ Tsinghua และ OpenBMB เปิดโอเพนซอร์สชุดข้อมูลสังเคราะห์ก่อนฝึกภาษาจีนที่ใหญ่ที่สุดและชุดข้อมูล SFT ระดับสิบล้านรายการ เปิดเผยข้อมูลหลักของ MiniCPM5-1B
หัวข้อต้นฉบับ: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
สรุปโดย AI
ModelBest ร่วมกับมหาวิทยาลัย Tsinghua และ OpenBMB เปิดตัวและโอเพนซอร์สชุดข้อมูล 2 ชุด ได้แก่ Ultra-FineWeb-L3 (เกิน 600B Tokens โดยเป็นภาษาจีน 200B+ ถือเป็นชุดข้อมูลสังเคราะห์ก่อนฝึกภาษาจีนที่ใหญ่ที่สุดในปัจจุบัน) และ UltraData-SFT-2605 (ชุดข้อมูล SFT ระดับสิบล้านรายการแรกในประเทศที่มีทั้งคำอธิบายแบบคิดลึกและไม่คิดลึก) ทั้งสองชุดสร้างขึ้นบนระบบการจัดการข้อมูลแบบแบ่งระดับ UltraData และได้รับการตรวจสอบอย่างสมบูรณ์ในกระบวนการฝึก MiniCPM5-1B ครอบคลุมเส้นทางทั้งหมดตั้งแต่การอบก่อนฝึกจนถึงการฝึก SFT หลังฝึก เปิดให้ใช้งานฟรีบนเว็บไซต์ UltraData และ HuggingFace แล้ว
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- 公众号:面壁智能(MiniCPM)
- หมวดหมู่
- บทความและงานวิจัย
- คะแนน 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。
เอนทิตีที่เกี่ยวข้อง
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: ModelBest ร่วมกับ Tsinghua และ OpenBMB เปิดโอเพนซอร์สชุดข้อมูลสังเคราะห์ก่อนฝึกภาษาจีนที่ใหญ่ที่สุดและชุดข้อมูล SFT ระดับสิบล้านรายการ เปิดเผยข้อมูลหลักของ MiniCPM5-1B 29 พฤษภาคม 2026 https://new.nat6.net/th/news/cmq2o64uw01fbsl6ns33miceg/