indiehackers/telugu_instruction_dataset

该数据集是两个独立数据集的组合版本：yahma_alpaca_cleaned_telugu_filtered_and_romanized和teknium_GPTeacher_general_instruct_telugu_filtered_and_romanized。这两个数据集都包含经过过滤和罗马化的泰卢固语文本。

原始信息汇总

数据集信息

特征

• 名称: instruction
  • 数据类型: string
• 名称: input
  • 数据类型: string
• 名称: output
  • 数据类型: string

分割

• 名称: alpaca
  • 字节数: 33750562
  • 样本数: 28910
• 名称: teknium
  • 字节数: 35037736
  • 样本数: 43614
• 名称: train
  • 字节数: 68788298.0
  • 样本数: 72524

大小

• 下载大小: 78368487
• 数据集大小: 137576596.0

配置

• 配置名称: default
  • 数据文件:
    • 分割: alpaca
      • 路径: data/alpaca-*
    • 分割: teknium
      • 路径: data/teknium-*
    • 分割: train
      • 路径: data/train-*