Рекомендации по созданию высококачественных наборов данных для пост-обучения LLM (SFT/DPO/RLHF). Используйте при подготовке данных для точной настройки, оценки качества данных или разработки стратегий сбора данных.
Быстро установите AI-навык training-data-curation в вашу среду разработки через командную строку
Источник: sundial-org/skills.
Best practices for gathering and preparing training data for LLM fine-tuning.
Quality over quantity. Llama 2 used only 27,540 high-quality SFT examples and outperformed models trained on larger noisy datasets [[1]](#references). Focus on clean, diverse, well-formatted data.
Garbage in, garbage out. The model will learn patterns from your data—including errors, biases, and formatting issues. Inspect samples manually before training.
Рекомендации по созданию высококачественных наборов данных для пост-обучения LLM (SFT/DPO/RLHF). Используйте при подготовке данных для точной настройки, оценки качества данных или разработки стратегий сбора данных. Источник: sundial-org/skills.
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/sundial-org/skills --skill training-data-curationРекомендации по созданию высококачественных наборов данных для пост-обучения LLM (SFT/DPO/RLHF). Используйте при подготовке данных для точной настройки, оценки качества данных или разработки стратегий сбора данных. Источник: sundial-org/skills.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/sundial-org/skills --skill training-data-curation После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/sundial-org/skills