AfroMAFT unpre-processed

Name: AfroMAFT unpre-processed
Creator: Jesujoba O. Alabi; Saarland University
Published: 2022-08-15T00:00:00+08:00

Zenodo2022-08-15 更新2026-04-07 收录

非洲语言语料库

多语言自然语言处理

数据链接：

https://zenodo.org/record/6993547 数据链接链接失效反馈

官方服务：

资源简介：

Unpre-processed mC4 and news corpus we used for the MAFAND paper

提供机构：

Jesujoba O. Alabi; Saarland University

创建时间：

2022-08-15

Skywork/ChineseDomainModelingEval

多语言自然语言处理

模型评估

Skywork/ChineseDomainModelingEval是中文领域建模能力评测数据集，我们对多个领域筛选出2023年9月份-2023年10月份新发布的几百到上千篇高质量文章，并人工进行了核对。测试数据的来源也足够广泛，质量也高。我们可以选取当前最新的文章评测不同模型的Perplexity，模型很难作弊。并且我们会持续按照最新数据评测各个模型效果，动态更新各个模型能力。

Hugging Face2023-11-02 更新500

duwuonline/UIT-VSMEC

情感分析

多语言自然语言处理

该数据集来自UIT（信息技术大学），包含7个类别：其他、厌恶、享受、愤怒、惊讶、悲伤、恐惧。数据集的语言为越南语，主要用于情感分类任务。

Hugging Face2023-08-28 更新160

ai4bharat/IndicQA-devanagari

印度语言问答系统

多语言自然语言处理

indicqa数据集包含了三个配置：indicqa.gu、indicqa.ml和indicqa.ta。每个配置都由上下文、问题、ID和答案组成，其中答案包括答案的起始位置和文本。该数据集适用于问答系统的研究和开发。

Hugging Face2025-01-03 更新60

PL-Mix

有毒内容检测

多语言自然语言处理

PL-Mix 是一个平衡的波兰语数据集，专为训练和评估提示级别有害性分类器而设计。该数据集包含 1,040 个提示，均等地分为有害（520）和无害（520）样本，并采用 80/20 分层训练-测试分割。PL-Mix 旨在解决波兰语有害提示检测领域公开可用、平衡且语言多样资源的缺乏问题，支持波兰语言模型的安全性分类和机械可解释性方法研究。数据集结构方面，每个样本包含以下字段：`text`（波兰语

Hugging Face2026-02-03 更新220

MERA-evaluation/ruVQA

视觉问答

多语言自然语言处理

ruVQA是一个用于俄语的公开视觉问答（VQA）数据集，包含真实照片和抽象插图两种类型的图像。问题分为简单和复杂两类，涵盖了多种类型如二元、比较、数量、地点、方式、哪个、什么、谁等。简单问题仅需基于图像的感知，而复杂问题则需要推理步骤。数据集中的图像均来自公开资源，包括真实照片和卡通抽象图像。数据集旨在测试模型在不同类型图像中区分对象、理解不同问题类型并基于图像生成简短答案的能力。

Hugging Face2024-12-11 更新80

AfroMAFT unpre-processed

资源简介：

相关数据集