BhabhaAI/indic-instruct-data-v0.2-filtered

--- language: - en - hi multilinguality: - multilingual size_categories: - 5K<n<400K language_bcp47: - en-US - hi-IN configs: - config_name: anudesh data_files: - split: en path: anudesh/en* - split: hi path: anudesh/hi* - config_name: dolly data_files: - split: en path: dolly/en* - split: hi path: dolly/hi* - config_name: flan_v2 data_files: - split: en path: flan_v2/en* - split: hi path: flan_v2/hi* - config_name: hh-rlhf data_files: - split: en path: hh-rlhf/en* - split: hi path: hh-rlhf/hi* - config_name: nmt-seed data_files: - split: hi path: nmt-seed/hi* - config_name: wikihow data_files: - split: en path: wikihow/en* - split: hi path: wikihow/hi* - config_name: oasst1 data_files: - split: en path: oasst1/en* - split: hi path: oasst1/hi* - config_name: lm_sys data_files: - split: en path: lm_sys/en* - split: hi path: lm_sys/hi* --- This is v0.2 of [indic-instruct-data-v0.1-filtered](https://huggingface.co/datasets/BhabhaAI/indic-instruct-data-v0.1-filtered) **Note**: lmsys dataset contain NAME_1, NAME_2 etc. You may replace them with actual names before fine-tuning.

原始信息汇总

数据集概述

语言支持

• 英语 (en)
• 印地语 (hi)

多语言性

• 多语言数据集

数据规模

• 数据量介于5K到400K之间

语言标识符

• 英语 (en-US)
• 印地语 (hi-IN)

配置详情

• config_name: anudesh

  • 数据文件路径:
    • 英语: anudesh/en*
    • 印地语: anudesh/hi*

• config_name: dolly

  • 数据文件路径:
    • 英语: dolly/en*
    • 印地语: dolly/hi*

• config_name: flan_v2

  • 数据文件路径:
    • 英语: flan_v2/en*
    • 印地语: flan_v2/hi*

• config_name: hh-rlhf

  • 数据文件路径:
    • 英语: hh-rlhf/en*
    • 印地语: hh-rlhf/hi*

• config_name: nmt-seed

  • 数据文件路径:
    • 印地语: nmt-seed/hi*

• config_name: wikihow

  • 数据文件路径:
    • 英语: wikihow/en*
    • 印地语: wikihow/hi*

• config_name: oasst1

  • 数据文件路径:
    • 英语: oasst1/en*
    • 印地语: oasst1/hi*

• config_name: lm_sys

  • 数据文件路径:
    • 英语: lm_sys/en*
    • 印地语: lm_sys/hi*

注意事项

• lmsys数据集包含占位符如NAME_1, NAME_2等，建议在微调前替换为实际名称。