Hemanth-thunder/tamil-open-instruct-v1

Open Instruct V1 是一个用于训练大型语言模型遵循指令的数据集，它整合了多个数据集，经过清理后统一格式。该数据集名为tamil instruction，主要用于文本分类、文本生成和文本到文本生成任务，语言为泰米尔语。数据集的特征包括instruction、output、input和text，分割为train，包含493,813个示例。

原始信息汇总

数据集概述

数据集基本信息

• 名称: tamil instruction
• 语言: 泰米尔语 (ta)
• 大小类别: 10万<n<100万
• 许可证: Apache-2.0

数据集特征

• instruction: 字符串类型
• output: 字符串类型
• input: 字符串类型
• text: 字符串类型

数据集划分

• 训练集 (train):
  • 示例数量: 493,813
  • 数据大小: 1,654,342,281字节

数据集配置

• 默认配置 (default):
  • 数据文件路径: data/train-*

任务类别

• 文本分类
• 文本生成
• 文本到文本生成