该数据集名为Good Sicilian in the NLLB，主要关注西西里语的翻译质量。数据集由Project Napizia提供，旨在帮助语言模型学习符合西西里文学传统的语言。数据集包含从NLLB数据集中筛选出的高质量西西里语翻译对，并通过Napizia的翻译模型进行评分。数据集还提供了50,000对最佳翻译对的CSV文件。数据集来源于Meta AI发布的元数据，并经过Allen AI的处理

Hugging Face2025-08-16 更新150

michsethowusu/kinyarwanda-tsonga_sentence-pairs

自然语言处理

机器翻译

该数据集包含非洲语言句子对及其相似度评分，适用于机器翻译、句子对齐或其他自然语言处理任务。数据集基于NLLBv1构建，包含332,229行，每行有三个字段：相似度评分、基尼亚鲁旺达语句子和宗加语句子。可用于训练和评估机器学习模型，进行翻译、句子相似度计算和跨语言迁移学习等任务。

Hugging Face2025-03-30 更新130

NeutrinoPit/OpenSubtitles2024-en-ar-batch22

机器翻译

自然语言处理

该数据集包含两种语言的文本数据：英语（en）和阿拉伯语（ar）。数据集仅包含训练集分割，共有100万个样本，数据集大小为99518320字节。提供了一个默认配置，用于指定训练数据文件的路径。

Hugging Face2025-03-04 更新70

Kosp2e