mwz/urdu_alpaca_yc_filtered

Alpaca Urdu数据集是原始数据集的乌尔都语翻译版本，专为NLP任务设计。该数据集包含45,622个样本，涵盖乌尔都语的输入文本、输出文本及答案长度。它是Alpaca项目的一部分，遵循cc-by-4.0许可证。

原始信息汇总

Alpaca Urdu 数据集概述

描述

Alpaca Urdu 是将原始数据集翻译成乌尔都语的数据集。该数据集是 Alpaca 项目的一部分，旨在用于自然语言处理任务。

数据集信息

• 大小: 翻译后的数据集包含 45,622 个样本。
• 语言: 乌尔都语
• 许可证: cc-by-4.0
• 原始数据集: 原始 Alpaca Cleaned 数据集仓库链接

列信息

翻译后的数据集包含以下列：

• input: 乌尔都语的输入文本。
• output: 乌尔都语的翻译输出。
• answer_lengths: 答案的长度。

示例用法

python from datasets import load_dataset

加载翻译后的数据集

dataset = load_dataset("mwz/alpaca-ur")

访问一个样本

sample = dataset["train"][0] print(sample)