[コーパス] - instruction pretraining のデータ準備

[Taka008]

Overview

instruction pretraining 用の instruction データを整備する

Details

instruction pretraining 用の instruction データを整備する
データフォーマットは事前学習と同様 1行1インスタンスの jsonl ファイル
instruction データは合成データが中心

Resources

• 計算機
  • クラスタ: Sakura (Ishikari)
  • ノード種別: cpu
  • ノード台数: 1
• コード
  • リポジトリ: FIXME https://github.com/{org}/{repo}
  • コミット: FIXME xxxxxx
• 入力データ:
  • {name}: {physical path}
• 出力データ:
  • 保存先: {cluster}:/data/experiments/{number}
  • データ内訳:
    • {name}: xxx TB （バッファ容量を含む）
• W&B ログ:
  • https://wandb.ai/{team}/{project} FIXME
• 開始日: 2024-11-21
• 終了予定日: YYYY-MM-DD （バッファ期間を含む）