pythainlp/final_training_set_v1_enth

该数据集用于微调WangChanGLM模型，数据来源于LAION OIG chip2和infill_dbpedia、DataBricks Dolly v2、OpenAI TL;DR以及Hello-SimpleAI HC3等多个开源项目。数据集通过Google Translate API进行了翻译，支持泰语和英语。数据集包含文本、nb_token和元数据等特征，分为训练集和测试集。

This dataset is intended for fine-tuning the WangChanGLM model. Its data is sourced from multiple open-source projects including LAION OIG chip2, infill_dbpedia, DataBricks Dolly v2, OpenAI TL;DR, and Hello-SimpleAI HC3. The dataset is translated using the Google Translate API and supports both Thai and English languages. It includes features such as text, nb_token, and metadata, and is split into training and test sets.

原始信息汇总

数据集概述

数据集名称

final_training_set_v1_en_th

数据集特征

• text: 数据类型为字符串。
• nb_token: 数据类型为整数。
• metadata: 数据类型为字符串。

数据集分割

• 训练集: 包含379520个样本，总大小为665379914.0331497字节。
• 测试集: 包含513个样本，总大小为899398.9668502472字节。

数据集大小

• 下载大小: 258632318字节
• 数据集总大小: 666279313字节

任务类别

• 文本生成
• 对话系统

语言

• 泰语
• 英语