AIAT/Pangpuriye-generated_by_typhoon

该数据集是由Typhoon API生成的，用于微调Pangpuriye的LLM。数据集包含16,125行的输入、指令和输出数据，其中每个模式都有自己的CSV文件作为输入，指令是Typhoon API接收的命令，输出是SQL代码。数据集旨在用作基于表格的问答LLM的微调指令，使用前需要一些处理。

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-nc-2.0
• 任务类别: table-question-answering
• 语言: 泰语 (th), 英语 (en)
• 标签: code
• 名称: Thai-SQL_Question_generated_by_Typhoon
• 大小类别: 1K<n<10K

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data.json

内容

• 数据集包含: 16,125 行 input, instruction, 和 output
  • 输入: 每个模式有自己的 CSV 文件
  • 指令: Typhoon API 接收的命令
  • 输出: SQL 代码

用途

• 目的: 用于微调基于表格的 QA LLM 的指令
• 使用前处理: 需要一些处理才能在过程中使用

示例代码

• 使用 Typhoon API 的示例: python stream = client.chat.completions.create( model="typhoon-instruct", messages=[ { "role": "instruction", "content": """ Your task is to generate SQL plain-text schema Format: You wont explain or clarify your response. """, }, {"role": "user", "content": """Generate 1 random schema"""}, ], max_tokens=120, temperature=0.6, top_p=1, stream=False, )

• 使用 datasets 库加载数据集的示例: python from datasets import load_dataset

  dataset = load_dataset("AIAT/Pangpuriye-generated_by_typhoon")

致谢

• 数据集存储: Panguriyes house 成员在 Super AI Engineer Development Program Season 4 的 LLMs 黑客松期间共同存储
• 感谢组织者: OpenThaiGPT, AIAT, NECTEC, ThaiSC

引用信息

@misc{pipatanakul2023typhoon, title={Typhoon: Thai Large Language Models}, author={Kunat Pipatanakul and Phatrasek Jirabovonvisut and Potsawee Manakul and Sittipong Sripaisarnmongkol and Ruangsak Patomwong and Pathomporn Chokchainant and Kasima Tharnpipitchai}, year={2023}, eprint={2312.13951}, archivePrefix={arXiv}, primaryClass={cs.CL} }