Pets are cute

CUTE数据集是一个包含中文、维吾尔语、藏语和英语四种语言的跨语言语料库，旨在提升低资源语言在大型语言模型中的处理能力。数据集由两个25GB的四语种语料库组成，包括平行和非平行数据。CUTE是目前为止最大的开源维吾尔语和藏语语料库，通过机器翻译生成，并验证了其在大规模低资源语言数据生成中的可靠性。CUTE数据集的创建过程包括机器翻译、数据清洗和质量评估，旨在解决低资源语言在跨语言知识迁移中的挑战。