本文へスキップ

llm-datasets

大規模言語モデルの微調整向けデータ集と道具

公式サイトを見る

llm-datasets とは

本プロジェクトは大規模言語モデルの微調整向けに選ばれたデータ集と道具を GitHub にまとめたものと紹介され、mlabonne が作成し管理する。汎用の混合、数学、コードのデータと、評価・拡充の道具を揃える。

できること

  • データ集を選びローカルに取得する
  • 品質評価の道具でデータを選別し整える
  • 生成の道具で足りない部分を補う

活用場面

  • 研究者が数学のデータでモデルを学習する
  • 開発者がコードのデータでモデルを学習する
  • チームが汎用の混合データでモデルを学習する

長所と短所

✓ 良い点

  • 生成道具でデータの不足を補える
  • 探索道具でデータの傾向を見つけられる

! 注意したい点

  • データ集は利用者が選んで取得する
  • 品質の選別は用意された道具を通して行う

よくある質問

誰が管理する?

資料は mlabonne が作成し管理すると説明。

どんな道具がある?

資料は品質評価、データ生成、データ探索の道具を挙げる。

最終評価日: 2026-11-15

その他 AIコーディングツール ツール

すべて見る →

評価方法