language	zh
license	apache-2.0
task_categories	text-generation conversational
tags	sft chinese dialogue meme fine-tuning chat
size_categories	n<1K
configs	config_name data_files default split path train data/train.jsonl

CXK_IKUN_Dataset

蔡徐坤 / ikun 梗文化微调对话数据集，包含约 200 条梗文化 SFT 对话数据，可用于大语言模型微调。

训练出来的模型：IKUN-LLM/ikun-2.5B | 在线体验

数据概览

属性	值
数据量	~200 条对话
语言	中文
格式	JSON / JSONL
许可证	Apache 2.0
覆盖话题	ikun 梗、小黑子、鸡你太美、唱跳 rap 篮球

数据来源

来源	数量	说明
CXK_IKUN_Dataset	~103 条	社区开源 ikun 梗数据
自制数据	~97 条	补充身份认知、多轮对话、反串风格等

文件说明

文件	格式	说明
data/train.jsonl	JSONL	推荐 — 标准化训练集，load_dataset() 自动加载
ikun_data_81301.json	JSON	原始数据（messages 格式）
ikun_dataset_081301.jsonl	JSONL	原始数据 JSONL 版本，兼容 GLM-4 官方微调

数据格式

JSON 格式 (messages)

{"messages": [{"role": "user", "content": "鲲鲲实在是太美"}, {"role": "assistant", "content": "你干嘛~哈哈~嘿哟"}]}

数据类别

类别	示例
身份认知	"你是谁？" → "我是ikun-2.5b，练习时长两年半的AI练习生！"
梗触发	"鸡你太美" → "baby鸡你太美鸡你实在是太美~"
日常对话	"你喜欢什么？" → "唱跳rap篮球！这是我练习两年半的成果！"
小黑子互动	"小黑子" → "小黑子露出鸡脚了吧！"
多轮对话	连续多轮 ikun 风格对话

使用方法

HuggingFace Datasets（推荐）

from datasets import load_dataset

ds = load_dataset("IKUN-LLM/CXK_IKUN_Dataset")
print(ds["train"][0])
# {'messages': [{'role': 'user', 'content': '...'}, {'role': 'assistant', 'content': '...'}]}

直接加载

import json

with open("ikun_data_81301.json", "r", encoding="utf-8") as f:
    data = json.load(f)

print(f"共 {len(data)} 条对话")
print(data[0])

用于模型微调

本数据集已用于训练 IKUN-LLM/ikun-2.5B，一个 26M 参数的中文梗文化对话模型。

数据预览

{"messages": [{"role": "user", "content": "鲲鲲实在是太美"},{"role": "assistant", "content": "你干嘛~哈哈~嘿哟"}]}
{"messages": [{"role": "user", "content": "鲲鲲实在是太美"},{"role": "assistant", "content": "黑子食不食油饼啊"}]}
{"messages": [{"role": "user", "content": "小坤每天坚持打篮球2.5小时，两年半过去了，他的球技已经超越了大多数队友。"},{"role": "assistant", "content": "你看我家练习两年半的坤坤厉不厉害"}]}
{"messages": [{"role": "user", "content": "在篮球比赛中，坤以2.5秒的惊人速度完成了抢断，这是他两年半来苦练成果的体现。"},{"role": "assistant", "content": "厉不厉害你坤哥"}]}

相关项目

• IKUN-LLM/ikun-2.5B - 基于本数据集训练的模型
• ikun-2.5B Chat - 在线对话 Demo
• GitHub - 项目源码

致谢

• CXK_IKUN_Dataset (original) - 原始社区数据集

Citation

@dataset{cxk_ikun_dataset_2026,
  title   = {CXK IKUN Dataset},
  author  = {IKUN-LLM},
  year    = {2026},
  url     = {https://huggingface.co/datasets/IKUN-LLM/CXK_IKUN_Dataset},
  license = {Apache-2.0}
}