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。

This dataset is named Hinglish Instruct Dataset, which was generated via the Self-Instruct method. It contains 1018 training samples, mainly designed for text generation tasks and supports both Hindi and English. The generation process follows specific prompt requirements to ensure diversity in task instructions, languages, and task types. Most of the dataset content was generated by GPT-3.5 Turbo, with a portion generated by GPT-4. The primary language used is Hinglish, with some parts in Hindi.

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