★ FEATURED ARTICLE 【免费下载链接】fable-5-premium-v2项目地址https://ai.gitcode.com/hf_mirrors/saidutta69/fable-5-premium-v2点击查看免费下载Fable-5 Premium V2 是一个包含 10 万条高质量智能体轨迹的 SFT 微调数据集专为训练会调用工具的 Agent 模型而生。本文带你以零基础上手从克隆数据、看懂两种数据格式到用 Axolotl 或 Unsloth 跑通第一次智能体微调全程 10 分钟即可跑起来。一、Fable-5 Premium V2 是什么一句话概括一份精挑细选的智能体监督微调数据集。它的核心理念是质量 易获取性 数量。关键属性数值总轨迹数100,000 条训练集 / 验证集 / 测试集85,000 / 7,500 / 7,500平均质量分0.966全部落在 0.8–1.0 区间蒸馏来源Claude Fable-5、GPT-5.5、Gemini 3.1 Pro、Grok 4、Qwen 3.7 Max 等许可证MIT可自由商用这份数据并非简单爬取而是经过了5 步质量流水线跨源去重对规范化后的messagesJSON 做 SHA-256 哈希去重工具调用校验每个tool_calls[].id都有匹配的tool输出端到端验证完整工具闭环PII 清洗本地路径、API Key、邮箱、IP 全部替换为[REDACTED]内容过滤剔除拒答模式与超范围长度质量打分按长度、结构、唯一性、推理深度打分只保留 0.8 以上的高分数据 这意味着模型能学到完整的工具调用循环何时调用、传什么参数、如何使用返回结果——这是训练 Agent 模型最关键的能力。二、仓库目录结构一览 路径说明README.md项目说明文档含数据来源与使用方法dataset_config.json数据集元信息两种格式、10 万条记录dataset_infos.json字段 schema 与三个 split 的样本量openai_chat/OpenAI Chat 格式user/assistant/tool角色消息agent_traces/HF Agent Traces 原生格式可直接在 Data Studio 浏览两种格式的行数据完全一致相同的session_id只是封装方式不同可按需选择。三、10 分钟跑通第一次智能体微调 Step 1克隆数据集约 1 分钟git clone https://gitcode.com/hf_mirrors/saidutta69/fable-5-premium-v2 cd fable-5-premium-v2⚠️ 注意数据文件较大train.parquet约 400 MBtrain.jsonl约 900 MB建议优先使用parquet 格式——体积更小、加载更快训练框架普遍支持。Step 2选对数据格式约 1 分钟格式适用场景推荐文件OpenAI ChatAxolotl、Unsloth、TRL、OpenAI 微调 APIopenai_chat/train.parquetAgent Traces在 HF Data Studio 中浏览、分析轨迹agent_traces/train.parquet新手跑微调直接选 OpenAI Chat 格式即可兼容性最好。Step 3加载并预览数据约 2 分钟from datasets import load_dataset # 加载 OpenAI Chat 格式的训练集 dataset load_dataset( saidutta69/fable-5-premium-v2, data_filesopenai_chat/train.parquet, splittrain, ) print(dataset[0][messages][:3]) # 看看前几条对话打开任意一条样本你会看到标准的messages数组用户提问 → 助手发起tool_calls→tool角色返回结果 → 助手给出最终回答形成完整闭环。Step 4用 Axolotl 启动 SFT约 5 分钟在 Axolotl 配置文件中指向数据集即可datasets: - path: saidutta69/fable-5-premium-v2 type: chat_template data_files: openai_chat/train.parquet split: train如果你更习惯Unsloth也可以这样加载基座模型后直接开始from unsloth import FastLanguageModel model, tokenizer FastLanguageModel.from_pretrained( model_nameunsloth/llama-3-8b, max_seq_length4096, ) 提示智能体轨迹通常包含多轮工具调用序列偏长建议max_seq_length至少设为 4096给模型留足思考空间。Step 5用验证集评估效果约 1 分钟训练完成后用 openai_chat/validation.parquet 上的 7,500 条数据评估损失再用 openai_chat/test.parquet 做最终验收——数据集已按 85% / 7.5% / 7.5% 分好三个 split开箱即用。四、新手常见问题 Q1parquet 和 jsonl 有什么区别内容完全相同。parquet 是列式压缩格式读取更快、占空间更小jsonl 是逐行文本方便肉眼查看单条样本。Q2没有强 GPU 能训练吗可以。选 7B–8B 级别的小基座模型 LoRA/QLoRA 微调一张 24 GB 显存的消费级显卡即可起步Unsloth 对显存优化尤其友好。Q3数据能商用吗可以。整个数据集采用MIT 许可证可自由使用与商用。总结Fable-5 Premium V2 把智能体微调的门槛降到了最低✅ 10 万条已清洗、已去重、质量分 0.966的高质量工具调用轨迹✅ 双格式输出OpenAI Chat 格式即插即用✅ 训练/验证/测试三 split 齐全评估闭环完整按本文的 5 个步骤走一遍你第一次智能体微调就有了一个足够优秀的起点。下一步试着换不同的基座模型对比效果你会发现高质量数据带来的提升比想象中更明显 。赞分享【免费下载链接】fable-5-premium-v2项目地址https://ai.gitcode.com/hf_mirrors/saidutta69/fable-5-premium-v2点击查看免费下载相关推荐5 分钟跑通第一个多智能体harness-sdk 新手极速上手指南5 分钟跑通第一个多智能体harness sdk 新手极速上手指南 多智能体Multi Agent是当下 AI 工程化最热的话题之一但编排二字对新手人工智能AI AgentAgent 框架工具调用多智能体MCP 服务如何快速上手 AgentScope Java10 分钟从零跑通你的第一个智能体附完整代码如何快速上手 AgentScope Java10 分钟从零跑通你的第一个智能体附完整代码 AgentScope Java 是一个面向生产环境的 Java人工智能AI Agent多智能体Agent 框架工具调用RAGESP32-S3 蓝牙排障扫描、断连与命令失效一次修完ESP32 S3 蓝牙排障扫描、断连与命令失效一次修完 刚烧完 tasmota32s3 bluetooth 变体串口里安静得像没事发生 BLEScan 1嵌入式物联网固件智能家居创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
