※本データセットはオンライン利用に対応しておりますが、ここをクリックしてジャンプしてください。

DISC-Law-SFT データ セットは、2023 年に復旦大学のデータ インテリジェンスおよびソーシャル コンピューティング研究所 (Fudan-DISC) によって構築された高品質の教師ありファインチューニング (SFT) データ セットです。大規模なデータ セットのトレーニングと改善に使用されます。法務分野のモデル (LLM) のアプリケーション機能には、約 300,000 個のトレーニング データが含まれています。このデータセットは中国の法律分野向けに特別に設計されており、法文処理、法的推論思考、司法分野の知識の検索とコンプライアンスにおけるモデルの機能を向上させることを目的としています。関連論文は「DISC-LawLLM: インテリジェントな法律サービスのための大規模言語モデルの微調整」

データ セットには、DISC-Law-SFT-Pair と DISC-Law-SFT-Triplet の 2 つのサブセットが含まれています。 DISC-Law-SFT-Pair サブセットは、法的三段論法の命令ペア構築方法を通じて法的推論機能を導入します。一方、DISC-Law-SFT-Triplet サブセットは、入力、出力、および参照情報を含むトリプルを構築することによってモデルを強化します。外部の知識を活用します。

データセットのデータソースには主に 3 つの部分が含まれています。中国法に関連する NLP 司法タスク公開データセット、現実世界の法律関連の原文、および一般的なオープンソース データセットです。このようなデータ ソースにより、データ セットの多様性と豊富さが保証されます。