vohuutridung/legal-pretrain

Name: vohuutridung/legal-pretrain
Creator: vohuutridung
Published: 2025-11-15T02:22:34+08:00

Hugging Face2025-11-09 更新2025-11-15 收录

法律文本

自然语言处理

数据链接：

https://hf-mirror.com/datasets/vohuutridung/legal-pretrain 数据链接链接失效反馈

官方服务：

资源简介：

VLSP2025-LegalSML法律预训练数据集

VLSP2025-LegalSML legal pre-training dataset

提供机构：

vohuutridung

binjang/NIKL-korean-english-dictionary

双语词典

自然语言处理

该数据集主要用于翻译和词性标注任务，涉及韩语和英语两种语言。数据集包含多个列，如Form（注册词条）、Part of Speech（韩语词性）、Korean Definition（韩语定义）、English Definition（英语定义）、Usages（例句或对话）、Vocabulary Level（词汇难度）和Semantic Category（语义类别）。数据集的规模在10K到100K之间。

Hugging Face2024-02-24 更新380

Kyleyee/train_data_HH_sft_2

自然语言处理

偏好学习

HH-RLHF-Helpful-Base数据集是Anthropic的HH-RLHF数据集的加工版本，专门用于通过TRL库进行偏好学习和对齐任务。该数据集包含了一对对文本样本，每个样本根据人类偏好在响应的帮助性上被标记为“选中”或“拒绝”。这个数据集可以帮助模型学习生成有助于用户的响应的人类偏好。

Hugging Face2025-03-14 更新170

UMC 0.1: Czech-Russian-English Multilingual Corpus

多语言语料库

自然语言处理

This corpus contains news articles and commentaries in Czech, Russian, and English from the Project Syndicate website from 1995 to 2008. The corpus is available for download from LINDAT and through th

SSH Open MarketPlace2025-07-04 更新140

Korean Translation Dataset for NLP Models

自然语言处理

韩语翻译

Translated Instructions and Input-Output Pairs in Korean

kaggle2023-11-30 更新210

sert121/adult_data_instruction_leaving_r_m_c

机器学习

自然语言处理

该数据集包含三个主要特征：input（字符串类型）、instruction（字符串类型）和output（int64类型）。数据集仅包含一个训练集，共有15,682个样本，总大小为5,441,527字节。下载大小为579,506字节。数据集的配置名为default，数据文件路径为data/train-*。

Hugging Face2024-11-29 更新170

vohuutridung/legal-pretrain

资源简介：

相关数据集