alvanlii/tinystories_cantonese_english_aya32

该数据集名为Tiny Stories English - Cantonese，是从TinyStories数据集中翻译前50,000行得到的。翻译使用了Cohere的`CohereForAI/aya-23-35B`模型，并且所有翻译都经过了CanCLID的typo-corrector工具进行错误修正。数据集包含两个语言：粤语(yue)和中文(zh)，主要用于翻译和文本生成任务。数据集的特征包括english和canto两个字段，均为字符串类型。数据集分为一个训练集，包含50,000个样本，总大小为88,270,340字节。

This dataset is a translation of the first 50K rows of the TinyStories dataset, containing English and Cantonese texts. The translation was done using Coheres CohereForAI/aya-23-35B model and corrected with CanCLIDs typo-corrector tool. The dataset will be updated periodically to include more translations.

原始信息汇总

数据集概述

基本信息

• 名称: tinystories_cantonese_english_aya32
• 别名: alvanlii/tinystories_cantonese_english_aya32
• 描述: 该数据集是TinyStories的前50,000行的翻译，由Cohere的CohereForAI/aya-23-35B完成。翻译内容会定期更新。所有翻译都经过CanCLID的拼写校正器进行小错误修正。
• 创建者: Alvin Li
• 网址: tinystories_cantonese_english_aya32

关键词

• 翻译
• 文本生成
• 粤语
• 中文
• cdla-sharing-1.0
• 10K - 100K
• parquet
• 文本
• 数据集
• pandas
• Croissant
• 🇺🇸 美国地区

许可证

• CDLA-Sharing-1.0

数据格式

• 分布:

  • 类型: cr:FileObject

  • 名称: repo

  • 描述: HF Mirror的Git仓库。

  • 内容URL: repo

  • 编码格式: git+https

  • 类型: cr:FileSet

  • 名称: parquet-files-for-config-default

  • 描述: 由HF Mirror转换的基础Parquet文件（参见：Parquet转换）。

  • 包含于: repo

  • 编码格式: application/x-parquet

  • 包含: default//.parquet

数据字段

• 记录集:
  • 类型: cr:RecordSet
  • 名称: default
  • 描述: alvanlii/tinystories_cantonese_english_aya32的default子集
  • 字段:

    • 类型: cr:Field

    • 名称: default/english

    • 描述: HF Mirror parquet文件中的english列。

    • 数据类型: sc:Text

    • 来源:

      • 文件集: parquet-files-for-config-default
      • 提取: english列

    • 类型: cr:Field

    • 名称: default/canto

    • 描述: HF Mirror parquet文件中的canto列。

    • 数据类型: sc:Text

    • 来源:

      • 文件集: parquet-files-for-config-default
      • 提取: canto列