数据集

Infinity-Instruct

BAAI/Infinity-Instruct

查看上游原文 ↗
上游访问:需要申请 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:cc-by-sa-4.0 上游版本:bddc39a8fead

中文简介

BAAI/Infinity-Instruct 是 BAAI 在 Hugging Face 发布的数据集仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 bddc39a8fead,同步到 229 个文件,文件元数据合计 144.54 GB;访问状态为“需要申请”,许可证字段为“cc-by-sa-4.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 BAAI/Infinity-Instruct 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
BAAI/Infinity-Instruct 是 BAAI 在 Hugging Face 发布的数据集仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 bddc39a8fead,同步到 229 个文件,文件元数据合计 144.54 GB;访问状态为“需要申请”,许可证字段为“cc-by-sa-4.0”。

【适用方向】
适合在明确数据字段、拆分和许可证后,用于文本生成与推理相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。

【版本与规格】
固定版本:bddc39a8fead。 任务标签:文本生成与推理。 语言字段:en, zh。 规模分类:1M<n<10M。 上游页面记录的最近更新时间:2025-12-04。

【文件信息】
上游 API 返回 229 个文件,文件元数据合计 144.54 GB。 已保存文件清单中的主要扩展名:.parquet 99 个、无扩展名 1 个。 当前较大的文件包括:0625/train-00005-of-00007.parquet(179.11 MB);0625/train-00001-of-00007.parquet(178.96 MB);0625/train-00000-of-00007.parquet(178.70 MB)。 仓库文件较多,本站仅保存前 100 条文件元数据;完整清单请查看上游仓库。

【运行或处理环境】
仓库文件元数据合计 144.54 GB。仅按下载、解压和临时文件估算,建议至少预留约 173.45 GB 可用磁盘;实际需求还取决于压缩率、缓存、数据转换和训练副本,正式处理前应以完整文件清单重新测算。

【使用边界】
许可证显示为“cc-by-sa-4.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 该仓库需要由用户本人按上游要求申请访问,是否批准及何时批准由资源权利方决定。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

Infinity Instruct Beijing Academy of Artificial Intelligence (BAAI) [Paper][Code][🤗] The quality and scale of instruction data are crucial for model performance. Recently, open-source models have increasingly relied on fine-tuning datasets comprising millions of instances, necessitating both high quality and large scale. However, the open-source community has long been constrained by the high costs associated with building such extensive and high-quality instruction fine-tuning datasets, which has limited related research and applications. To address this gap, we are introducing the Infinity Instruct project, aiming to develop a large-scale, high-quality instruction dataset. News 🔥🔥🔥[2025/12/04] We release the [paper] (accepted to AAAI 2026) for Infinity Instruct Subject. 🔥🔥🔥[2025/05/13] We release the core version of the 7M foundational dataset, 7M Core! It reaches 95.7% performance of full 7M instructions with only 1.4M instructions. 🔥🔥🔥[2025/01/06] We supplemented 7M and Gen's instruction labeling types and reward scores based on a self-constructed instruction labeling system and reward model Skywork/Skywork-Reward-Llama-3.1-8B-v0.2. You can build customized instruction datasets based on this information. 🔥🔥🔥[2024/08/29] We release the first version of the preference data built from Infinity-Instruct, Infinity-Preference. The SimPO version model, Gemma2-9B-IT-Simpo-Infinity-Preference finetuned on Infinity-Preference is also publicly accessible. 🔥🔥🔥[2024/08/02] We release the model weights of InfInstruct-Llama3.1-70B Gen, InfInstruct-Llama3.1-8B Gen, InfInstruct-Mistral-7B Gen. 🔥🔥🔥[2024/08/02] We release the 7M foundational dataset Infinity-Instruct-7M. 🔥🔥🔥[2024/07/09] We release the model weights of InfInstruct-Mistral-7B 0625, InfInstruct-Qwen2-7B 0625, InfInstruct-Llama3-8B 0625, InfInstruct-Llama3-70B 0625, and InfInstruct-Yi-1.5-9B 0625. 🔥🔥🔥[2024/07/09] We release the chat dataset Infinity-Instruct-0625, it is a upgraded version of the Infinity-Instruct-0613

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在明确数据字段、拆分和许可证后,用于文本生成与推理相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。

规模与格式

固定版本:bddc39a8fead。 任务标签:文本生成与推理。 语言字段:en, zh。 规模分类:1M<n<10M。 上游页面记录的最近更新时间:2025-12-04。

文件说明

上游 API 返回 229 个文件,文件元数据合计 144.54 GB。 已保存文件清单中的主要扩展名:.parquet 99 个、无扩展名 1 个。 当前较大的文件包括:0625/train-00005-of-00007.parquet(179.11 MB);0625/train-00001-of-00007.parquet(178.96 MB);0625/train-00000-of-00007.parquet(178.70 MB)。 仓库文件较多,本站仅保存前 100 条文件元数据;完整清单请查看上游仓库。

上游文件元数据

  • .gitattributes2.71 KB
  • 0625/train-00000-of-00007.parquet178.70 MB
  • 0625/train-00001-of-00007.parquet178.96 MB
  • 0625/train-00002-of-00007.parquet178.22 MB
  • 0625/train-00003-of-00007.parquet178.10 MB
  • 0625/train-00004-of-00007.parquet178.28 MB
  • 0625/train-00005-of-00007.parquet179.11 MB
  • 0625/train-00006-of-00007.parquet106.58 MB
  • 3M/train-00000-of-00035.parquet108.33 MB
  • 3M/train-00001-of-00035.parquet108.61 MB
  • 3M/train-00002-of-00035.parquet107.55 MB
  • 3M/train-00003-of-00035.parquet108.07 MB

硬件建议

仓库文件元数据合计 144.54 GB。仅按下载、解压和临时文件估算,建议至少预留约 173.45 GB 可用磁盘;实际需求还取决于压缩率、缓存、数据转换和训练副本,正式处理前应以完整文件清单重新测算。

注意事项

许可证显示为“cc-by-sa-4.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 该仓库需要由用户本人按上游要求申请访问,是否批准及何时批准由资源权利方决定。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。