ModelBest cùng Tsinghua, OpenBMB mã nguồn mở bộ dữ liệu tổng hợp tiền huấn luyện tiếng Trung lớn nhất và bộ dữ liệu SFT hàng chục triệu mẫu, công khai dữ liệu cốt lõi MiniCPM5-1B
Tiêu đề gốc: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
Tóm tắt AI
ModelBest cùng Đại học Thanh Hoa, OpenBMB phát hành và mã nguồn mở hai bộ dữ liệu: Ultra-FineWeb-L3 (hơn 600B Tokens, tiếng Trung hơn 200B, là bộ dữ liệu tổng hợp tiền huấn luyện tiếng Trung lớn nhất hiện nay) và UltraData-SFT-2605 (bộ dữ liệu SFT hàng chục triệu mẫu đầu tiên trong nước đồng thời chứa chú thích suy nghĩ sâu và không suy nghĩ). Cả hai được xây dựng dựa trên hệ thống quản trị phân cấp dữ liệu UltraData, được xác minh đầy đủ trong quy trình huấn luyện MiniCPM5-1B, bao phủ toàn bộ chuỗi từ ủ tiền huấn luyện đến SFT hậu huấn luyện. Đã lên trang UltraData và HuggingFace, mở miễn phí.
Thông tin chính
- ModelBest cùng Đại học Thanh Hoa,OpenBMB phát hành và mã nguồn mở hai bộ dữ liệu: Ultra-FineWeb-L3…
- Cả hai được xây dựng dựa trên hệ thống quản trị phân cấp dữ liệu UltraData,được xác minh đầy đủ…
- Đã lên trang UltraData và HuggingFace,mở miễn phí.
Tóm tắt nhanh
- Đăng lúc
- Cập nhật lúc
- Nguồn
- 公众号:面壁智能(MiniCPM)
- Danh mục
- Bài báo & nghiên cứu
- Điểm 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。
Thực thể liên quan
Nguồn và bản quyền
Bài viết này được tổng hợp dựa trên các tiêu đề chọn lọc và tóm tắt AI từ API công khai của AIHOT, đã ghi rõ nguồn và liên kết ngược; bản quyền nội dung gốc thuộc về cơ quan truyền thông và tác giả gốc, trang này không sao chép toàn văn.
Cách trích dẫn
Khi trích dẫn bài viết này, vui lòng giữ nguyên tiêu đề, ngày đăng và liên kết vĩnh viễn, đồng thời ghi rõ nguồn là Orange News.
Orange News: ModelBest cùng Tsinghua, OpenBMB mã nguồn mở bộ dữ liệu tổng hợp tiền huấn luyện tiếng Trung lớn nhất và bộ dữ liệu SFT hàng chục triệu mẫu, công khai dữ liệu cốt lõi MiniCPM5-1B. 29 tháng 5 2026. https://new.nat6.net/vi/news/cmq2o64uw01fbsl6ns33miceg/