LLMDataHub

LLMDataHub 是一个面向大语言模型训练的开源数据集导航与汇总项目，旨在系统整理和分类高质量、可公开获取的指令微调与对齐训练数据集。项目按任务类型（如监督微调SFT、预训练PT、思维链CoT、人类反馈强化学习RLHF）和领域（通用对齐、垂直领域、多模态等）组织数据集，并提供数据规模、语言、使用方式及简介等元信息。适用于研究人员和工程师快速筛选适配自身LLM训练目标的数据资源，尤其适合构建对话式AI、指令遵循模型或开展领域适配实验。