smangrul/hinglish_self_instruct_v0

该数据集名为Hinglish Instruct Dataset，使用Self Instruct方法生成。数据集包含1018个训练样本，主要用于文本生成任务，支持印地语和英语。数据集的生成过程遵循了特定的提示要求，确保任务指令的多样性、语言和任务类型的多样性。数据集中的大部分内容由GPT-3.5 Turbo生成，部分由GPT-4生成，主要使用Hinglish语言，部分使用印地语。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • messages: 包含以下子特征
    • content: 数据类型为字符串
    • role: 数据类型为字符串
  • category: 数据类型为字符串
• 分割:
  • train: 包含251497字节，1018个样本
• 下载大小: 124371字节
• 数据集大小: 251497字节

配置

• 默认配置:
  • 数据文件:
    • train: 路径为data/train-*

任务类别

• 文本生成

语言

• 印地语
• 英语

大小类别

• 1K<n<10K