hon9kon9ize/yue-alpaca-chat

廣東話草泥馬数据集包含由Gemini Pro使用Stanfords Alpaca生成的广东话指令跟随数据，用于微调大型语言模型。请注意，此数据集未经严格验证，内容可能包含错误。

原始信息汇总

数据集概述

基本信息

• 语言: 粤语
• 许可证: CC BY-NC 4.0
• 大小类别: 1K<n<10K
• 标签: sft, alpaca

数据集结构

特征

• prompt: 字符串类型
• prompt_id: 64位整数类型
• messages: 列表类型
  • content: 字符串类型
  • role: 字符串类型

分割

• train_sft:
  • 字节数: 7745440
  • 样本数: 16784
• test_sft:
  • 字节数: 896051
  • 样本数: 1865

大小

• 下载大小: 5222505
• 数据集大小: 8641491

配置

• config_name: default
  • 数据文件:
    • train_sft: data/train_sft-*
    • test_sft: data/test_sft-*