mmosiolek/pl_alpaca_data_cleaned

Polpaca数据集是波兰语版本的Alpaca数据集，专门用于构建和评估指令跟随模型。该数据集通过GPT-3.5-Turbo和DeepL工具进行翻译，翻译过程耗时5天，并涉及一定的成本。翻译过程中遇到了一些挑战，例如某些任务无法直接翻译到另一种语言，这需要在手动质量评估时特别注意。

---
许可证：CC BY 4.0
语言：波兰语(pl)
标签：
- llama
- Alpaca(Alpaca)
- ChatGPT(chat-gpt)
- self-instruct(self-instruct)
- GPT(gpt)
---
# Polpaca：波兰语版Alpaca(Alpaca)

模型获取地址：https://huggingface.co/mmosiolek/polpaca-lora-7b

本仓库收录了用于构建与评估指令跟随模型Alpaca(Alpaca)的波兰语翻译数据集。

### 训练数据
本次翻译所依托的原始数据集为：https://github.com/gururise/AlpacaDataCleaned，该数据集亦可通过以下地址获取：https://huggingface.co/datasets/yahma/alpaca-cleaned。

本次翻译工作依托GPT-3.5-Turbo及OpenAI平台赠送的18美元免费额度完成。但翻译总成本超出了该免费额度，因此我自掏腰包补充了7美元;) 尽管翻译成本极低，整个流程仍耗时5天方才完成。

本次翻译所使用的提示词模板基于论文 https://arxiv.org/abs/2301.08745 设计，具体如下：

请为以下语句提供波兰语翻译：[TEXT]

### 人工质量评估
为完成评估工作，本次同时翻译了self-instruct(self-instruct)评估数据集，此次翻译借助DeepL平台完成——该平台每月可提供50万字符的免费翻译额度。

但该翻译方式存在一定局限性：原始数据集中的部分任务无法直接跨语言迁移。例如，我们无法将原语言中的拼写错误直接移植到波兰语版本中。在手动审核最终结果时，务必注意这一限制。

原始信息汇总

数据集概述

数据集名称

Polpaca: The Polish Alpaca

数据集内容

该数据集包含用于构建和评估指令遵循模型Alpaca的波兰语翻译数据。

数据来源

• 原始数据集：AlpacaDataCleaned
• 翻译后的数据集：yahma/alpaca-cleaned

翻译方法

• 使用GPT-3.5-Turbo进行翻译。
• 翻译成本超出OpenAI平台提供的$18信用额度，额外支付$7。
• 翻译过程耗时5天。

翻译提示

Please provide the Polish translation for these sentences: [TEXT]

质量评估

• 使用DeepL进行自我指导评估数据集的翻译。
• 存在限制，如无法将某些原始数据集中的任务简单翻译成另一种语言，例如无法传播拼写错误。