IndicLLMSuite
收藏arXiv2024-03-11 更新2024-08-06 收录
下载链接：
http://arxiv.org/abs/2403.06350v1
下载链接
链接失效反馈官方服务：
资源简介：
一个专为印度语言开发的大型语言模型资源套件，涵盖22种语言，包含2510亿个令牌和7480万个指令-响应对。该数据集结合了精心策划的手动验证数据、未验证但有价值的数据以及合成数据，用于预训练和指令微调。
A large language model (LLM) resource suite developed specifically for Indian languages encompasses 22 languages, boasting a corpus of 251 billion tokens and 74.8 million instruction-response pairs. This dataset integrates carefully curated manually validated data, unvalidated yet valuable data, and synthetic data, and is designed for pre-training and instruction fine-tuning.
创建时间：
2024-03-11
