KenithZ/KenithZ-dolly-zh-51k

---
license: mit
pretty_name: KenithZ-dolly-zh-51k
task_categories:
- question-answering
- summarization
language:
- zh
- en
size_categories:
- 10K<n<100K
---

# Dolly中文训练集

基于[Chinese-LLaMA-Alpaca](https://github.com/ymcui/Chinese-LLaMA-Alpaca)的转换成的dolly数据集

## 需要做的事情

1. 将alpaca_data_zh_51k.json数据集转换为databricks-dolly-15k.jsonl数据集的格式
2. 转换后的数据集集需要手动补充category（正在进行）
3. 修正原作者从chatGPT爬取的语义不通或数据错误的指令数据（正在进行）

原始信息汇总

Dolly中文训练集概述

数据集基本信息

• 许可证: MIT
• 名称: KenithZ-dolly-zh-51k
• 任务类别:
  • 问答
  • 摘要生成
• 支持语言:
  • 中文
  • 英文
• 数据集大小: 10K<n<100K

数据集转换任务

1. 转换目标: 将alpaca_data_zh_51k.json转换为databricks-dolly-15k.jsonl格式。
2. 补充工作: 手动补充数据集的类别信息（正在进行）。
3. 数据修正: 修正从chatGPT爬取的语义不通或数据错误的指令数据（正在进行）。