datatab/open-orca-slim-serbian

---
dataset_info:
features:
- name: conversations
list:
- name: from
dtype: string
- name: value
dtype: string
- name: weight
dtype: float64
splits:
- name: train
num_bytes: 900437837
num_examples: 514386
download_size: 491241498
dataset_size: 900437837
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
license: mit
task_categories:
- text-classification
- token-classification
- table-question-answering
language:
- sr
pretty_name: Serbian SlimOrc
size_categories:
- 100K<n<1M
---

# Pregled

Ovaj segment OpenOrca kolekcije predstavlja pažljivo odabranu selekciju koja omogućava ostvarivanje visokih performansi sličnih onima koje se dobijaju korišćenjem obimnijih delova našeg skupa podataka. Ovog puta, fokus je na kompaktnom skupu od približno 500.000 GPT-4 odgovora.

Inovacija koja izdvaja ovu verziju jeste detaljan proces revizije uz pomoć GPT-4, gde su izdvojeni i odbačeni odgovori koji nisu u skladu sa standardima kvaliteta utvrđenim na osnovu ljudskih ocena iz FLAN skupa podataka. Zahvaljujući ovom pristupu, veličina skupa podataka svedena je na oko 500.000 stavki, čime se postiže kvalitet sličan ranijim izdanjima, ali sa značajno manjim zahtevima za računarskim resursima, odnosno samo dve trećine uobičajenih potreba.

Originalan dataset na engleskom jeziku dostupan je na adresi: https://huggingface.co/datasets/Open-Orca/SlimOrca, gde zainteresovani mogu pristupiti i pregledati izvorni skup podataka. Ova adresa služi kao referentna tačka za one koji žele da uporede originalne podatke sa ovom prilagođenom verzijom.

# Demo Model

* Uskoro

# Note
> <i>Dataset je reprezentacija mainško-sisntetičkog prevoda **Google Translate** servisom</i>

# Citation

```bibtex
@misc{SlimOrca,
title = {SlimOrca: An Open Dataset of GPT-4 Augmented FLAN Reasoning Traces, with Verification},
author = {Wing Lian and Guan Wang and Bleys Goodson and Eugene Pentland and Austin Cook and Chanvichet Vong and "Teknium"},
year = {2023},
publisher = {HuggingFace},
url = {https://https://huggingface.co/Open-Orca/SlimOrca}
}
```
```bibtex
@misc{mukherjee2023orca,
title={Orca: Progressive Learning from Complex Explanation Traces of GPT-4},
author={Subhabrata Mukherjee and Arindam Mitra and Ganesh Jawahar and Sahaj Agarwal and Hamid Palangi and Ahmed Awadallah},
year={2023},
eprint={2306.02707},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
```
```bibtex
@misc{longpre2023flan,
title={The Flan Collection: Designing Data and Methods for Effective Instruction Tuning},
author={Shayne Longpre and Le Hou and Tu Vu and Albert Webson and Hyung Won Chung and Yi Tay and Denny Zhou and Quoc V. Le and Barret Zoph and Jason Wei and Adam Roberts},
year={2023},
eprint={2301.13688},
archivePrefix={arXiv},
primaryClass={cs.AI}
}
```

原始信息汇总

数据集概述

数据集信息

• 特征:
  • 名称: conversations
  • 列表:
    • 名称: from
      • 数据类型: string
    • 名称: value
      • 数据类型: string
    • 名称: weight
      • 数据类型: float64
• 分割:
  • 名称: train
    • 字节数: 900437837
    • 样本数: 514386
• 下载大小: 491241498
• 数据集大小: 900437837

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
      • 路径: data/train-*

许可证

• 许可证: mit

任务类别

• 文本分类
• 标记分类
• 表格问答

语言

• sr

数据集名称

• 名称: Serbian SlimOrc

数据集大小类别

• 大小: 100K<n<1M