--- dataset_info: features: - name: text dtype: string - name: labels dtype: int64 splits: - name: train num_bytes: 106945 num_examples: 3010 download_size: 32296 dataset

Hugging Face2024-05-15 更新90

spsither/tibetan_monolingual_S_cleaned_train_test_tokenized

自然语言处理

机器学习

--- dataset_info: features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 splits: - name: train num_bytes: 234340261728 num_examples: 91253996 - n

Hugging Face2024-05-28 更新60

institutogaia/textbooks_qa

巴西教育

自然语言处理

巴西教科书问答数据集，包含来自49本涵盖多个学科（如葡萄牙语、数学、历史、地理等）的巴西教育教科书的问题和答案对。该数据集旨在支持问答、教育内容生成和针对巴西教育标准的语言模型微调任务。每个数据条目包括书籍来源、问题和答案字段。

Hugging Face2025-06-20 更新50

joaosanches/cleaned_tedtalks_total

TEDTalks

自然语言处理

--- dataset_info: features: - name: pt dtype: string - name: pt-br dtype: string splits: - name: train num_bytes: 66045930 num_examples: 314702 download_size: 41381774 da

Hugging Face2024-01-30 更新80

nafisneehal/trialbrain_baseline_measures_instruct_v1

机器学习

自然语言处理

该数据集包含62,270个训练样本，每个样本包含instruction、input和output三个字符串类型的特征。数据集总大小为211,029,841字节，下载大小为96,199,241字节。数据文件路径为data/train-*。

Hugging Face2024-12-19 更新60