zh-meme-sft-8k 是一个中文互联网梗文化指令微调数据集，主要用于训练对话模型以理解和使用网络热梗。数据集构建自抖音、小红书和 B 站等社交平台的评论互动，经过多轮清洗和增强处理。其特征包括真实来源的对话结构、多轮清洗后的高质量热梗保留，并采用 ChatML 格式进行标准化。 数据集构成:

• 训练集: 7,377 样本，占比 85%
• 验证集: 868 样本，占比 10%
• 测试集: 435 样本，占比 5%

对话层级分布：

• 一级对话（帖子-评论）：约 40%
• 二级对话（评论-回复）：约 60%

Citation

@misc{zh-meme-sft-8k, author = {GaryYang123}, title = {zh-meme-sft-8k: A Chinese Internet Meme SFT Dataset}, year = {2026}, publisher = {Hugging Face}, url = {https://huggingface.co/datasets/GaryYang123/zh-meme-sft-8k} }