Aratako/Synthetic-JP-Coding-Dataset-Magpie-Nemotron-4-10k

Synthetic-JP-Coding-Dataset-Magpie-Nemotron-4-10k是一个包含约10000条日语编程对话的数据集，通过将Magpie的方法应用于nvidia/Nemotron-4-340B-Instruct模型生成。数据生成过程中使用了DeepInfra平台，并且相关的代码已在GitHub上公开。需要注意的是，数据集未经过滤处理，可能包含质量较低的记录。

A dataset of approximately 10,000 Japanese coding dialogue data created by applying the Magpie method to the nvidia/Nemotron-4-340B-Instruct model. The dataset was created using the DeepInfra platform, and the related code has been made public on GitHub. The dataset has not undergone post-filtering processing, so it may contain records of low quality.

原始信息汇总

Synthetic-JP-Coding-Dataset-Magpie-Nemotron-4-10k

概述

• 数据集名称: Synthetic-JP-Coding-Dataset-Magpie-Nemotron-4-10k
• 数据集类型: 日本語のコーディング用対話データセット
• 数据量: 約10000件
• 语言: 日本語
• 任务类别: 文本生成
• 标签: code
• 许可证: Apache 2.0
• 数据集大小: 10K<n<100K

数据集来源

• 生成方法: Magpieの手法をnvidia/Nemotron-4-340B-Instructに対して適用
• 生成工具: DeepInfra

数据集特点

• 未经过滤: 特に事後的なフィルタ処理は加えていないため、クオリティの低いレコードが含まれている可能性があります。

相关资源

• 代码公开: このリポジトリでデータセット作成に用いたコードを公開しています。