PLLuM 指令语料库
计算与语言
2025-11-24 v1 人工智能
摘要
本文描述了用于微调 PLLuM (波兰大型语言模型) 项目中开发的一组基于 Transformer 的大型语言模型 (LLM) 的指令数据集。我们呈现了 PLLuM 中用于人类编写、转换和合成指令的功能类型划分，并分享了一些关于在语言适应基础 LLM 时使用人类编写指令数据集与合成指令数据集的影响的观察。此外，我们发布了 PLLuM 指令语料库 (PLLuMIC) 的第一个具有代表性的子集，我们认为这一子集对于指导和规划类似其他 LLM 数据集的开发具有实用价值。
引用
@article{arxiv.2511.17161,
title = {The PLLuM Instruction Corpus},
author = {Piotr Pęzik and Filip Żarnecki and Konrad Kaczyński and Anna Cichosz and Zuzanna Deckert and Monika Garnys and Izabela Grabarczyk and Wojciech Janowski and Sylwia Karasińska and Aleksandra Kujawiak and Piotr Misztela and Maria Szymańska and Karolina Walkusz and Igor Siek and Maciej Chrabąszcz and Anna Kołos and Agnieszka Karlińska and Karolina Seweryn and Aleksandra Krasnodębska and Paula Betscher and Zofia Cieślińska and Katarzyna Kowol and Artur Wilczek and Maciej Trzciński and Katarzyna Dziewulska and Roman Roszko and Tomasz Bernaś and Jurgita Vaičenonienė and Danuta Roszko and Paweł Levchuk and Paweł Kowalski and Irena Prawdzic-Jankowska and Marek Kozłowski and Sławomir Dadas and Rafał Poświata and Alina Wróblewska and Katarzyna Krasnowska-Kieraś and Maciej Ogrodniczuk and Michał Rudolf and Piotr Rybak and Karolina Saputa and Joanna Wołoszyn and Marcin Oleksy and Bartłomiej Koptyra and Teddy Ferdinan and Stanisław Woźniak and Maciej Piasecki and Paweł Walkowiak and Konrad Wojtasik and Arkadiusz Janz and Przemysław Kazienko and Julia Moska and Jan Kocoń},
journal= {arXiv preprint arXiv:2511.17161},
year = {2025}
}