XeTute/Small-Medium-Conversation-Multilingual

该数据集由XeTute提供，包含12个原始.txt文件，其中英文文件由人类撰写，经过LLM修正和清晰化后，转换为10种不同语言。支持的语言包括阿尔巴尼亚语、印地语、乌尔都语、俄语、德语、英语、中文、法语、葡萄牙语、西班牙语和孟加拉语。数据集的格式为{random name}: *actions or similar in stars* sayings in these。该数据集的主要目的是与其他数据集一起使用，或用于微调已经具备多语言能力的LLM。

A multilingual dataset provided by XeTute, containing 12 raw text files in 11 languages. Intended for fine-tuning multilingual large language models, with a size between 1K and 10K records.

原始信息汇总

数据集概述

基本信息

• 许可证: Apache 2.0
• 语言:
  • 英语 (en)
  • 阿尔巴尼亚语 (sq)
  • 孟加拉语 (bn)
  • 俄语 (ru)
  • 印地语 (hi)
  • 乌尔都语 (ur)
  • 中文 (zh)
  • 西班牙语 (es)
  • 德语 (de)
  • 法语 (fr)
  • 葡萄牙语 (pt)
• 标签:
  • 化学
  • 生物学
  • 法律
  • 音乐
  • 艺术
  • 气候
  • 医学
  • 合成
• 数据量: 1K < n < 10K

数据集描述

• 来源: 由XeTute提供。
• 内容: 包含12个原始的.txt文件，其中英语文件最初由人类编写，经过LLM校正和澄清，并转换为10种不同的语言。
• 语言列表:
  • 阿尔巴尼亚语 (sq)
  • 印地语 (hi)
  • 乌尔都语 (ur)
  • 俄语 (ru)
  • 德语 (de)
  • 英语 (en)
  • 中文 (zh)
  • 法语 (fr)
  • 葡萄牙语 (pt)
  • 西班牙语 (es)
  • 孟加拉语 (bn)

使用目的

• 该数据集旨在与其他数据集一起使用，或用于微调已经具备多语言能力的LLM。

数据格式

• 数据格式为：{随机名称}: *动作或类似内容* "引述内容"