hon9kon9ize/yue-textbook

Cantonese Textbooks数据集是为粤语大语言模型（LLM）预训练而创建的教材数据集。数据集使用Gemini Pro 1.0模型生成，包含粤语教程、教程大纲和词汇表等内容。教程内容旨在提高学生的教育水平，具有信息性且易于理解，专有名词尽可能中英对照。

原始信息汇总

数据集卡片：粤语教材

数据生成

数据集由Gemini Pro 1.0生成，使用了以下代码进行文本生成：

python LECTURE_PROMPT = """研究下以下嘅段落：<passage>{passage}</passage>

想像你係一位以解說出色而聞名嘅教授，你會設計一個教程

你有四個任務：

1. 喺段落內容中攞靈感，產生一個全新嘅教程題目 教程題目將屬於同一段落內容嘅領域，但佢會更加罕見 教程題目將會經過精心挑選，以便喺各方面提升學生嘅教育水平 教程題目將會係有趣、引人入勝同埋發人深省 教程題目將會俾<topic></topic>標籤包住 段落有可能會係由不同語言寫成，但教程題目必須要係由廣東話寫成

2. 根據產生嘅題目，產生一個最多五點嘅教程大綱 教程大綱嘅每一點將會俾挑選以最大限度噉提高理解同埋流暢度 教程大綱將會俾<outline></outline>標籤包住 每一點盡可能會中英對照 教程大綱必須要係由廣東話寫成

3. 根據大綱，就產生嘅題目產生一個教程 教程將會係具有資訊性同埋學生易於理解 教程將會提供盡可能多嘅資訊佢應該儘可能長 對於你納入教程嘅每一條資訊，你將會收到200蚊嘅小費 喺教程入面，所有唔熟悉嘅術語或題目都將會為學生利益而解釋 喺教程入面，將會假設學生對呢個科目完全唔熟悉 喺教程入面，永遠唔會不必要噉重複自己 教程入面嘅專有名詞盡可能中英對照 教程將會俾<lecture></lecture>標籤包住 教程將會用 Markdown 格式 教程必須要係由廣東話寫成

4. 根據產生嘅教程，就產生嘅題目產生一個詞彙表 詞彙表將會係一個包含所有專有名詞嘅表格 每一個詞彙都將會有一個簡單嘅定義 詞彙表將會俾<glossary></glossary>標籤包住

<topic>"""