--- dataset_info: features: - name: index dtype: int64 - name: instruction dtype: string - name: input dtype: string - name: output dtype: string - name: token_count dt

Hugging Face2024-06-14 更新120

Hybrid Human-LLM Corpus

语言模型

因果运动构造

本研究开发了一个结合人类和大型语言模型（LLM）的混合语料库，专注于罕见的语言现象——因果运动构造（CMC）。数据集包含765个经过手动验证的CMC实例，用于评估GPT、Gemini、Llama2和Mistral模型对CMC的理解。此外，还通过自动扩展创建了一个包含127,955个高可能性CMC实例的半自动数据集。这些数据集的构建旨在解决大型语言模型在处理复杂语言结构时的性能问题，特别是在非典型C

arXiv2024-03-12 更新170

tellarin-ai/llm-japanese-dataset-vanilla-aya-format

语言模型

数据调优

该数据集是从其原始v1.0.0格式转换而来，并在此以相同的CC-BY-SA 4.0许可证和条件下发布。它包含用于LLM构建/调整的日语指令类数据。数据集仅包含一个train分割，约有2.46M行数据。格式转换的细节包括如何将原始数据集中的instruction和input列合并，并在特定情况下添加前缀句子。转换后的数据集仅使用Aya格式指定的两列：inputs和targets。

Hugging Face2024-01-31 更新150

GPT4all weights

资源简介：

相关数据集