Ready_Train_Dataset

Pashto语料库是一个经过预处理和分块的普什图语文本数据集，适用于语言模型的微调训练。数据集内容来源于教育材料、文学作品和学术文本，已进行清洗和格式化处理。数据集包含约25,000个训练样本、2,800个验证样本和2,800个测试样本。每个样本包含三个字段：'text'（清洗后的普什图语文本块）、'source'（数据来源类别，包括文学作品、语法书籍、教材和学术研究）和'length'（字符计数