nayohan/finance-alpaca-ko

该数据集是一个原始翻译数据集，包含由模型生成的重复句子，因此需要进一步过滤。数据集包含四个特征：instruction、text、input和output，均为字符串类型。数据集只有一个训练集分割，包含68,912个样本，总大小为48,029,971字节。数据集的语言为韩语（ko），标签为金融（finance）。

This dataset is a raw translated dataset and contains repetitive sentences generated by the model, so it needs to be filtered. The dataset contains four features: instruction, text, input, and output, all of which are of string type. The dataset has only one training split, containing 68,912 samples with a total size of 48,029,971 bytes. The language of the dataset is Korean (ko), and the tag is finance.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • instruction: 字符串类型
  • text: 字符串类型
  • input: 字符串类型
  • output: 字符串类型
• 分割:
  • train: 包含68912个样本，总大小为48029971字节
• 下载大小: 24665624字节
• 数据集大小: 48029971字节
• 配置:
  • default: 包含训练数据文件，路径为data/train-*
• 语言: 韩语
• 标签: 金融

数据集来源

• 该数据集是基于gbharti/finance-alpaca翻译得到的。
• 翻译使用了nayohan/llama3-instrucTrans-enko-8b模型。

数据集特性

• 该数据集是原始翻译数据集，包含由模型生成的重复句子，需要进行过滤处理。