aaditya/orca_dpo_pairs-Hinglish-Codemix

该数据集是一个开源的Hinglish（印地语和英语混合）版本的数据集，基于Intel/orca_dpo_pairs数据集。数据集包含多个特征，如id、codemix_system、codemix_question、codemix_chosen、codemix_rejected、codemix_question_type、en_system、en_question、en_chosen和en_rejected。数据集主要用于训练大型语言模型（LLMs）、生成合成数据和数据增强。数据集的语言为印地语，版本为1.0，并且可以在学术或商业用途下使用，遵循Creative Commons Attribution-ShareAlike 3.0 Unported License。

原始信息汇总

数据集概述

数据集信息

• 名称: aaditya/orca_dpo_pairs-Hinglish-Codemix
• 版本: 1.0
• 语言: Hindi
• 标签: hindi, codemix, hinglish, india, dpo

特征

• id: string
• codemix_system: string
• codemix_question: string
• codemix_chosen: string
• codemix_rejected: string
• codemix_question_type: string
• en_system: string
• en_question: string
• en_chosen: string
• en_rejected: string

数据分割

• train:
  • 字节数: 51127339
  • 样本数: 10305

数据大小

• 下载大小: 27467174
• 数据集大小: 51127339

配置

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

支持的任务

• 训练LLMs
• 合成数据生成
• 数据增强

引用

@misc {orca_dpo_pairs-Hinglish-Codemix, author = { Pal, Ankit }, title = { orca_dpo_pairs-Hinglish-Codemix}, year = 2024, url = { https://huggingface.co/datasets/aaditya/orca_dpo_pairs-Hinglish-Codemix }, doi = { 10.57967/hf/1760 }, publisher = { Hugging Face } }