ParRus, Russian-Finnish parallel corpus of literary texts

B2FIND2026-04-25 收录

平行语料库

机器翻译

数据链接：

https://b2find.eudat.eu/dataset/4bdee988-2404-58a6-93f3-3bce6b0c87f1 数据链接链接失效反馈

官方服务：

资源简介：

Russian literary texts (classical literature & 20th century) and their translations into Finnish aligned in paragraph level

michsethowusu/kinyarwanda-tsonga_sentence-pairs

自然语言处理

机器翻译

该数据集包含非洲语言句子对及其相似度评分，适用于机器翻译、句子对齐或其他自然语言处理任务。数据集基于NLLBv1构建，包含332,229行，每行有三个字段：相似度评分、基尼亚鲁旺达语句子和宗加语句子。可用于训练和评估机器学习模型，进行翻译、句子相似度计算和跨语言迁移学习等任务。

Hugging Face2025-03-30 更新130

CATIE-AQ/smoltalk2_aya_think_dataset_french_split

自然语言处理

机器翻译

这是一个推理数据集，名为SFT/aya_dataset_Qwen3_32B_think，是HuggingFaceTB/smoltalk2数据集的子集，只包含法语数据。该数据集分为两个子集：english_raisonning和french_raisonning。english_raisonning子集包含法语的提问和回答以及英语的推理，而french_raisonning子集包含法语的提问和回答以

Hugging Face2025-07-29 更新90

DigirentEnterprise/Translate_all_mixed_dataset

机器翻译

自然语言处理

--- configs: - config_name: default data_files: - split: train path: data/train-* dataset_info: features: - name: input dtype: string - name: ouput dtype: string - name: output

Hugging Face2023-10-15 更新50

AmbigMT

机器翻译

自然语言处理

该数据集包含了四个语言对，分别是英语翻译成法语、德语、西班牙语和日语，展示了不同的语言现象，这些现象在推理时可能导致歧义。此外，该数据集还包括了五种歧义类型的样本：“it”指代消解、正式性、一词多义以及性别特定翻译。每个语言对都包含了1000个多样化的样本。该数据集的任务是跨语言的条件生成和歧义解决。

arXiv120

tuandunghcmut/PhoMT

机器翻译

越南语-英语

PhoMT数据集是一个高质量的大规模越南语-英语机器翻译基准数据集，由VinAI Research创建。数据集包含训练集、验证集和测试集三个部分，分别包含2977999、18719和19151个样本。数据集经过处理和格式化，以适配Hugging Face数据集的标准结构，便于预训练紧凑模型。

Hugging Face2025-07-02 更新90