922-Narra/lt_08312023_test_5j1

---
license: cc0-1.0
---

# LM Tagalog 08/31/2023 Test 5 (jsonl format, split):
Experimental Tagalog-focused dataset, based on a subset of [Tagalog sentences from this dataset](https://huggingface.co/datasets/jfernandez/cebuano-filipino-sentences) augmented with base LLaMA-2 13b (q4_1 ggml) to form a rudimentary mostly 3-turn dialogue dataset.

Used for:
* [Taga-llama-v0.3](https://huggingface.co/922-Narra/llama-2-7b-chat-tagalog-v0.3)
* [Taga-llama-v0.3a](https://huggingface.co/922-Narra/llama-2-7b-chat-tagalog-v0.3a)

We make this dataset public for transparency, and to show the mainly Tagalog generations done to create this dataset (acknowledging their lack of coherency or direction, but noting the remarkable attempts of the primarily English-pretrained base model generating mostly in Tagalog). Further refinements are planned (i.e. manually editing for safety and alignment, coherency, reducing Taglish, likely regenerating with higher quantization, etc.).

原始信息汇总

LM Tagalog 08/31/2023 Test 5 (jsonl format, split):

数据集描述

• 类型: 实验性以塔加洛语（Tagalog）为重点的数据集。
• 来源: 基于这个数据集中的塔加洛语句子的子集。
• 处理: 通过增强基础LLaMA-2 13b (q4_1 ggml)模型，形成了一个初步的主要是三轮对话的数据集。

用途

• 用于训练以下模型：
  • Taga-llama-v0.3
  • Taga-llama-v0.3a

公开目的

• 透明度: 公开数据集以展示主要由塔加洛语生成的数据。
• 现状: 承认数据集在连贯性和方向性上的不足，但注意到主要以英语预训练的基础模型在生成塔加洛语方面的显著尝试。
• 未来计划: 计划进一步改进，包括手动编辑以提高安全性和对齐性、连贯性，减少Taglish，并可能使用更高的量化重新生成。