数据集简介
NVIDIA 发布的 Nemotron 后训练数据集 v1 版本，主要用于大语言模型（LLM）的后训练阶段，旨在提升模型的通用能力和指令遵循性能。
主要用途
- 模型后训练：为已完成预训练的大语言模型提供高质量的后续训练数据。
- 能力增强：帮助模型学习更广泛的指令响应、对话和文本生成模式。
数据类型与模态
- 模态：纯文本
- 格式：Parquet 格式，便于高效存储与处理。
规模与统计
- 数据量：包含超过 2565 万条文本样本。
- 热度：下载量超过 4000 次，获得 173 次点赞。
使用场景
适用于需要进一步精调或对齐预训练语言模型的研究与开发工作，特别是在构建遵循指令、对话流畅的 AI 助手类应用时。