pythainlp/oasst2_thai_top1_chat_format

这是一个来自OpenAssistant/oasst2的泰语数据集，采用HF聊天格式。

A top-1 Thai dataset taken from the top scoring OpenAssistant/oasst2 conversations, saved in HF Chat format. The dataset includes conversation content and roles, as well as language identifiers. It is divided into a training set with 167 samples, totaling 238601 bytes. Suitable for conversational and question-answering tasks, licensed under Apache 2.0.

原始信息汇总

数据集详情

数据集描述

一个来自最高分的 OpenAssistant/oasst2 对话的顶级泰语数据集。保存为 Hugging Face 聊天格式。

许可证: Apache 2.0

数据集结构

数据集使用常见的 Hugging Face 聊天模板输入格式进行结构化：

json [ {content: ยุงที่แอฟริกาบินหรือเดิน, role: user}, {content: บิน เพราะยุงทั่วโลกต่างบินเพื่อหาอาหาร, role: assistant} ]

数据集信息

特征

• conversation:
  • content: 字符串类型
  • role: 字符串类型
• langs: 字符串类型

分割

• train:
  • 字节数: 238601
  • 样本数: 167

大小

• 下载大小: 96701
• 数据集大小: 238601

配置

• default:
  • 数据文件:
    • train: data/train-*

任务类别

• 对话
• 问答

语言

• 泰语

大小类别

• n<1K