README.md

---
license: cc-by-4.0
language:
- zh
tags:
- finetuning
pretty_name: WebCPM_WK-Dataset
task_categories:
- text-generation
---

# Dataset Card for WebCPM_WK

## Dataset Description

- **Homepage:** https://huggingface.co/datasets/ZHR123/WebCPM_WK
- **Repository:** 
- **Paper:** 
- **Leaderboard:** 
- **Point of Contact:** Huanran Zheng

### Dataset Summary


本数据集是由我们对[WebCPM](https://github.com/thunlp/WebCPM)的pipeline数据进行二次处理之后构建而成。
主要包括过滤原始数据中的一些低质量数据，使用GPT4和ChatGPT扩充原始数据，以及使用随机替换、拼接的方式增强原始数据。

该数据集主要的目的是通过指令微调的方式提高LLM的两个能力：

1. 给定问题和文档，抽取文档中与问题相关知识的能力。
2. 给定参考材料和问题，根据参考材料回答问题的能力。


### Licensing Information

The dataset is available under the [Creative Commons NonCommercial (CC BY-NC 4.0)](https://creativecommons.org/licenses/by-nc/4.0/legalcode).