mpasila/Capybara-fi-deepl-translated-sft-alpaca

该数据集是Finnish-NLP/Capybara-fi-deepl-translated-sft数据集的Alpaca格式转换版本，移除了英文部分并修复了一些格式问题。原始数据集的创建过程包括从LDJnr/Capybara加载数据，筛选包含单一输入/输出对的样本，使用facebook/bart-large-mnli进行零样本分类，过滤掉特定类别得分过高的行，将数据写入.txt文件并通过DeepL进行翻译，最后进行一些额外的清理和过滤。

原始信息汇总

数据集概述

语言

• 芬兰语 (fi)

许可证

• Apache 2.0

任务类别

• 文本生成

数据集信息

特征

• instruction: 字符串类型
• response: 字符串类型
• instruction_orig: 字符串类型
• response_orig: 字符串类型
• response_orig_grade: 字符串类型
• response_judgelm: 字符串类型

数据分割

• train:
  • 字节数: 3710846
  • 样本数: 1416

数据大小

• 下载大小: 2238697 字节
• 数据集大小: 3710846 字节

配置

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*

标签

• SFT