sambanovasystems/x-self-instruct-seed-32

xOA22 - Multilingual Prompts from OpenAssistant数据集包含32个从self-instruct-seed数据集中筛选出的提示，这些提示被翻译成阿拉伯语、英语、西班牙语、法语、印地语和中文。数据集的构建目的是用于评估BLOOMChat模型的多语言能力。筛选标准包括：适用于聊天场景、易于理解、避免代码或特定领域语言、避免简单数值响应、避免翻译请求、避免难以翻译的英语特定语言结构以及避免重复或过于相似的提示。翻译过程中，志愿者根据文化和语言差异进行了适当的替换和修改。

原始信息汇总

数据集概述

数据集名称: x-self-instruct-seed-32

数据集来源: 从self-instruct-seed数据集中筛选出的32个提示。

数据集目的: 用于评估BLOOMChat模型的多语言能力。

数据集内容

语言: 包含阿拉伯语(ar)、英语(en)、西班牙语(es)、法语(fr)、印地语(hi)、中文(zh)。

数据结构:

• 数据字段: prompt，手动翻译的提示文本。
• 数据分割: 共有6个分割，每个语言一个，每个分割包含32个实例。

翻译细节

• 法语: 提示20中，“come up with”翻译为“provide”。
• 印地语: 提示12中，将西雅图城市替换为印度著名目的地Manali。
• 中文: 提示20中，删除幽默回答以使其更符合中文语境；提示24中，重新表述为“用幽默来克服尴尬”以使其更自然。

数据集统计

• 下载大小: 18710字节
• 数据集大小: 17146字节
• 各语言数据统计:
  • 阿拉伯语(ar): 3010字节, 32实例
  • 英语(en): 2145字节, 32实例
  • 西班牙语(es): 2474字节, 32实例
  • 法语(fr): 2493字节, 32实例
  • 印地语(hi): 5114字节, 32实例
  • 中文(zh): 1910字节, 32实例