M2Lingual 多语言多轮次指令微调数据集

M2Lingual 是一个多语言、多轮次指令微调（Instruction Fine-Tuning, IFT）数据集，旨在提升大型语言模型（Large Language Models, LLMs）在遵循指令方面的性能，特别是在多样化的语言和任务上。该数据集于 2024 年由 ServiceNow 和伊利诺伊大学芝加哥分校的研究团队提出。

M2Lingual 数据集的主要特点包括：

1. 多语言覆盖：M2Lingual 涵盖了 70 种不同的语言，为低资源语言提供了更多的训练数据。
2. 多轮次对话：数据集包含多轮次的指令和响应，增强了模型在处理复杂对话场景中的能力。
3. 任务导向：M2Lingual 包含 17 种自然语言处理 (NLP) 任务，如摘要、问题回答等，以及一般性的指令-响应对。
4. 大规模：数据集包含共计 182,000 个指令微调对，提供了丰富的训练样本。
5. 合成数据集：M2Lingual 是完全合成的数据集，使用特定的进化分类法 (Evol taxonomy) 生成，确保了数据的多样性和复杂性。
6. 性能提升：使用 M2Lingual 微调的 LLM 在多种评估基准上显示出优于现有多语言 IFT 数据集的性能。

M2Lingual 的提出，为多语言、多轮次的指令对齐问题提供了新的解决方案，有助于提升大型语言模型在多语言环境下的实用性和准确性