Urdu Wikipedia Articles

kaggle2019-12-25 更新2024-03-07 收录

乌尔都语

语言模型

数据链接：

https://www.kaggle.com/datasets/disisbig/urdu-wikipedia-articles 数据链接链接失效反馈

官方服务：

资源简介：

153k cleaned wikipedia articles - with a train and test set to benchmark your LM

该数据集包含15.3万篇经清洗预处理的维基百科文章，配套训练集与测试集，可用于对您的大语言模型（Large Language Model）开展基准测试

创建时间：

2019-12-25

Ax-to-Grind Urdu

假新闻检测

乌尔都语

Ax-to-Grind Urdu是首个大规模公开的乌尔都语假新闻检测数据集，由武汉大学网络空间安全学院创建。该数据集包含10,083条来自巴基斯坦和印度主流乌尔都语报纸和新闻网站的新闻，涵盖15个不同领域，从2017年至2023年。数据集的创建过程包括从网站抓取新闻，并通过专家记者进行手动标注。该数据集主要用于解决乌尔都语假新闻检测问题，旨在通过提供丰富的多领域数据来提高检测算法的准确性和鲁棒性。

arXiv2024-03-21 更新280

rewoo/sotu_qa_2023

政治问答

语言模型

这是一个关于2023年国情咨文的问答基准数据集，特别适用于工具增强的语言模型（LMs）或增强语言模型（ALMs）来测试模型在回答私有文档问题上的能力。

Hugging Face2023-05-22 更新200

fine-tuned/jinaai_jina-embeddings-v2-base-es-6262024-yjwm-webapp

语言模型

西班牙文化

数据集“当代西班牙语言和文化”是一个生成的数据集，旨在支持开发特定领域的嵌入模型以用于检索任务。

Hugging Face2024-06-26 更新160

PersonalSum

个性化总结

语言模型

PersonalSum：一个用户主观引导的个性化总结数据集，用于大型语言模型

github2024-06-12 更新210

Ultra Chat 200k Dutch

语言模型

荷兰语对话生成

Ultra Chat 200k Dutch数据集是由鲁汶大学和荷兰语言研究所创建的高质量对话数据集，旨在提升荷兰语生成语言模型的对话能力。该数据集包含192,598条对话，涵盖了技术、艺术、创业等多个主题，通过GPT-4生成，强调了多样性和覆盖范围。数据集的创建过程包括使用GPT-4进行多轮对话生成，并模拟不同用户角色以增加数据的多样性。该数据集主要应用于荷兰语生成语言模型的微调，旨在解决荷兰语对

arXiv2024-12-05 更新170

Urdu Wikipedia Articles

资源简介：

相关数据集