UltraData-SFT-Agent-2609

中文简介

UltraData-SFT-Agent-2609 提供约 50 万条智能体指令训练样本，覆盖工具、搜索、代码与通用任务，是 MiniCPM5-2B 后训练数据的一部分。轨迹包含环境反馈、验证和错误恢复过程。

适用场景

适合多轮工具调用、代码智能体与办公任务 SFT，按任务子集抽样检查轨迹结构。

规模与格式

选型方向：预训练与后训练数据。固定上游版本：f684cc1a9f3e19f6f4929102cd9b06cc0b895b8a。API 任务字段：text-generation, question-answering。API 语言字段：en, zh。上游最近更新时间：2026-09-06（不一定为首次发布日期）。 规模、子集和组件差异见本页简介及注意事项；API 标签与卡片正文的含义分别保留。

文件说明

上游 API 返回 57 个文件，文件元数据合计 50.50 GB。 已保存文件清单中的主要扩展名：.jsonl 50 个、.png 3 个、.md 2 个、无扩展名 2 个。 当前较大的文件包括：data/Code_Agent/Code_Agent_part-6-of-7.jsonl（2.67 GB）；data/Code_Agent/Code_Agent_part-3-of-7.jsonl（2.47 GB）；data/Code_Agent/Code_Agent_part-7-of-7.jsonl（2.32 GB）。 此处只统计当前 Git 仓库的文件元数据，不包含外部链接、Bucket 或另行申请的完整集合。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

• .gitattributes6.39 KB
• assets/agent_data_pipeline.png550.71 KB
• assets/agent_dataset_statistics.png428.67 KB
• assets/logo.png47.18 KB
• data/Code_Agent/Code_Agent_part-1-of-7.jsonl1.83 GB
• data/Code_Agent/Code_Agent_part-2-of-7.jsonl2.13 GB
• data/Code_Agent/Code_Agent_part-3-of-7.jsonl2.47 GB
• data/Code_Agent/Code_Agent_part-4-of-7.jsonl1.33 GB
• data/Code_Agent/Code_Agent_part-5-of-7.jsonl1.13 GB
• data/Code_Agent/Code_Agent_part-6-of-7.jsonl2.67 GB
• data/Code_Agent/Code_Agent_part-7-of-7.jsonl2.32 GB
• data/General_Agent/General_Agent_part-01-of-32.jsonl1.47 GB

硬件建议

先确定配置、split、模态及文件范围，按原始文件、解压产物、缓存与处理副本分别估算磁盘。视频、音频和图像数据还需对应解码工具；建议先用少量样本验证 schema、时间同步与数据处理流程。

注意事项

轨迹是训练材料，不能把其中工具调用直接执行在真实环境；合成结果与奖励信号仍需抽样核验。

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。

• 数据集获取、核对与国内交付服务
• 数据集怎么下载：版本、分片、许可证与完整性校验
• 企业和高校批量获取模型与数据集：只需链接或准确全称
• 100GB、1TB 以上模型如何用网盘或硬盘交付