BramVanroy/alpaca-cleaned-dutch

该数据集名为Alpaca Cleaned Dutch，包含51,712个荷兰语的对话，这些对话是[Alpaca Cleaned Dataset](https://huggingface.co/datasets/yahma/alpaca-cleaned)的翻译版本。数据集的主要用途是问答和文本生成任务。数据集的创建使用了OpenAI的API进行翻译，并且提供了详细的翻译提示模板。此外，README还提到了数据集的潜在偏见和翻译质量未经验证的问题，并提供了相关的引用和许可信息。

原始信息汇总

数据集概述

• 名称: Alpaca Cleaned Dutch
• 语言: 荷兰语
• 许可: CC-BY-NC-4.0
• 大小: 10K<n<100K
• 任务类型: 问答、文本生成
• 标签: alpaca, instruct, instruction

数据集结构

数据实例

python { id: 7, instruction: Leg uit waarom de volgende breuk gelijk is aan 1/4, input: 4/16, output: De breuk 4/16 is gelijk aan 1/4 omdat zowel de teller als de noemer deelbaar zijn door 4. Door zowel de teller als de noemer door 4 te delen, krijgen we de breuk 1/4. }

数据字段

• id: 项目ID
• instruction: 给定的指令
• input: 可选输入，可为空
• output: 指令的“答案”

数据集创建

• 翻译工具: OpenAIs API for gpt-3.5-turbo
• 翻译参数: max_tokens=1024, temperature=0
• 翻译模板: 使用特定模板确保翻译符合要求，避免翻译关键字如instruction:, input:, output:

源数据

• 初始数据创建: Tatsu lab
• 数据清理: Yahma
• 原始数据生成工具: OpenAIs text-davinci-003

使用考虑

• 翻译质量: 未经验证，使用风险自负
• 许可限制: 不可用于构建与OpenAI服务竞争的商业系统
• 其他限制: 可能存在未知的翻译偏差，使用时需谨慎

贡献者

• 初始数据提供: Tatsu lab
• 数据清理: yahma

引用信息

bibtext @article{vanroy2023language, title={Language Resources for {Dutch} Large Language Modelling}, author={Vanroy, Bram}, journal={arXiv preprint arXiv:2312.12852}, year={2023} }