数据集相关

[yxy-kunling]

请问能告知所有使用的中文推理数据集吗？在预训练国臣中，推理部分的数据占比大吗？

[yxy-kunling]

以及，Chinese-Mistral-7B-v0.1是扩充MistralAI/Mistral-7B-v0.1这个版本的吗？

[THUchenzhou]

预训练过程中，使用的数据是从如下中文语料库中采样的： baike2018qa WanJuan Ape210K BAAI-COIG

推理部分的占比不是很大，但是我认为添加更多的推理数据非常有利于增强模型的性能。

是扩充的MistralAI/Mistral-7B-v0.1。