bashamul_corpus数据集：包含索引、地区、文本和音标信息的文本数据集，适用于语言处理任务。bengali_word_level数据集：包含文本和音标信息的孟加拉语单词级别数据集。bn_en_combined_level数据集：包含文本、音标和语言信息的孟加拉语和英语混合数据集。bn_en_combined_word_level数据集：类似于bn_en_combined_level，但专

Hugging Face2025-03-16 更新100

SQuAD-es v1.1

问答系统

跨语言数据

SQuAD-es v1.1是由TALP研究中心创建的第一个大规模西班牙语问答训练资源，基于自动翻译的斯坦福问答数据集(SQuAD) v1.1。该数据集包含近100,000个问题，这些问题的答案是从维基百科文章中提取的。创建过程中，研究团队开发了Translate-Align-Retrieve (TAR)方法，利用神经机器翻译和无监督对齐算法自动将英语QA数据集翻译成西班牙语。SQuAD-es v1

arXiv2019-12-13 更新150

mxronga/cultura-x-deduped-yoruba

跨语言数据

训练

这是一个经过去重和扩展的cultura-x yoruba数据集，适用于约鲁巴语的预训练任务。

Hugging Face2024-03-05 更新110