airesearch/concat_six_dataset_th_en

该数据集是基于WangchanX Fine-tuning Pipeline构建的，包含了六个不同的数据集。这些数据集涉及指令跟随、数学问题解答和问答系统等多个主题，部分数据从英语翻译成泰语。数据集的结构包括消息内容、角色和来源等特征，主要用于训练和模型微调。

原始信息汇总

数据集概述

数据集信息

• 许可证: cc-by-nc-3.0
• 特征:
  • messages:
    • content: 数据类型为字符串
    • role: 数据类型为字符串
  • source: 数据类型为字符串

数据分割

• 训练集:
  • 大小: 86148495 字节
  • 示例数量: 62636

下载信息

• 下载大小: 30819097 字节
• 数据集大小: 86148495 字节

配置

• 默认配置:
  • 数据文件:
    • 分割: 训练
    • 路径: data/train-*

语言

• 泰语 (th)
• 英语 (en)