license	tags	text
CC BY NC 4.0	finetune alpaca gpt4	TextGeneration 样本规模 language 语言 10k-100k zh 中文

数据集描述

该数据集为GPT-4生成的中文数据集，用于LLM的指令精调和强化学习等。

数据集加载方式

from modelscope.msdatasets import MsDataset
ds = MsDataset.load("alpaca-gpt4-data-zh", namespace="AI-ModelScope", split="train")
print(next(iter(ds)))

数据分片

数据已经预设了train分片。

数据集版权信息

数据集已经开源，license为CC BY NC 4.0（仅用于非商业化用途），如有违反相关条款，随时联系modelscope删除。

引用方式

@article{peng2023gpt4llm,
    title={Instruction Tuning with GPT-4},
    author={Baolin Peng, Chunyuan Li, Pengcheng He, Michel Galley, Jianfeng Gao},
    journal={arXiv preprint arXiv:2304.03277},
    year={2023}
}

参考链接

https://huggingface.co/datasets/c-s-ale/alpaca-gpt4-data-zh
https://github.com/Instruction-Tuning-with-GPT-4/GPT-4-LLM

Clone with HTTP

git clone https://www.modelscope.cn/datasets/AI-ModelScope/alpaca-gpt4-data-zh.git