预训练的数据集文件，能用json格式内容的文件吗？

[czhcc]

提交前必须检查以下项目

• [X] 请确保使用的是仓库最新代码（git pull），一些问题已被解决和修复。
• [X] 我已阅读项目文档和FAQ章节并且已在Issue中对问题进行了搜索，没有找到相似问题和解决方案。
• [X] 第三方插件问题：例如llama.cpp、LangChain、text-generation-webui等，同时建议到对应的项目中查找解决方案。

问题类型

模型训练与精调

基础模型

Chinese-Alpaca-2 (7B/13B)

操作系统

Linux

详细描述问题

例如用以下JSON格式的文件： [ { "question": "张三的出生日期是什么？", "answer": "张三的出生日期是1990年5月15日。", "context": "张三是一位中国著名的科学家，他的出生日期是1990年5月15日。" }, { "question": "请告诉我张三何时出生？", "answer": "张三出生于1990年5月15日。", "context": "张三是一位杰出的艺术家，他的出生日期是1990年5月15日。" }, // 更多类似的问题和答案 ]

依赖情况（代码类问题务必提供）

# 请在此处粘贴依赖情况（请粘贴在本代码块里）

运行日志或截图

# 请在此处粘贴运行日志（请粘贴在本代码块里）

[iMountTai]

当前开源代码不支持JSON格式的预训练数据集。另外看你样本的格式是SFT数据，确定是要拿来做预训练吗？如果做预训练的话，只需要将样本处理成模型需要的输入就行。

[github-actions[bot]]

This issue has been automatically marked as stale because it has not had recent activity. It will be closed if no further activity occurs. Thank you for your consideration.

[github-actions[bot]]

Closing the issue, since no updates observed. Feel free to re-open if you need any further assistance.