ravithejads/alpaca_urdu_cleaned_instruction

该数据集包含多种语言版本的指令、输入和输出数据，具体包括英语、泰卢固语及其音译版本，以及乌尔都语。数据集主要用于训练模型，包含28,910个样本，总大小为148,011,188字节。

原始信息汇总

数据集概述

数据集特征

• instruction：字符串类型
• input：字符串类型
• output：字符串类型
• telugu_instruction：字符串类型
• telugu_input：字符串类型
• telugu_output：字符串类型
• telugu_transliterated_instruction：字符串类型
• telugu_transliterated_input：字符串类型
• telugu_transliterated_output：字符串类型
• urdu_instruction：字符串类型

数据集分割

• train：
  • 字节数：148011188
  • 示例数：28910

数据集大小

• 下载大小：67159980字节
• 数据集大小：148011188字节

配置

• config_name: default
  • data_files:
    • split: train
      • path: data/train-*