datatab/alpaca-cleaned-serbian-full

Serbian Alpaca Cleaned数据集是对斯坦福大学发布的原始Alpaca数据集的塞尔维亚语清理版本。该数据集解决了原始数据集中的多个问题，包括幻觉、合并指令、空输出、空代码示例、生成图像的指令、N/A输出、不一致的输入字段、错误答案、非清晰指令以及多余的转义和控制字符。数据集主要用于指令微调预训练语言模型，支持文本生成任务，数据语言为塞尔维亚语。

原始信息汇总

数据集名称

Serbian-Alpaca-Cleaned

数据集描述

这是一个塞尔维亚语版本的Alpaca数据集的清洗版，由斯坦福大学发布。该数据集解决了原始数据集中的多个问题，包括：

1. 幻觉问题：原始数据集中许多指令引用了互联网上的数据，导致GPT3产生幻觉答案。
2. 合并指令：原始数据集中存在多个指令被合并的情况。
3. 空输出：原始数据集中部分条目输出为空。
4. 缺少代码示例：原始数据集中部分描述缺少代码示例，难以理解代码意图。
5. 生成图像的指令：原始数据集中包含无法实现的生成图像指令。
6. N/A输出：原始数据集中部分代码片段输出标记为N/A。
7. 输入字段不一致：原始数据集中的输入字段使用不一致。
8. 错误答案：原始数据集中约80%的数学问题答案错误。
9. 非逻辑/不清晰指令：原始数据集中存在不清晰或非逻辑的指令。
10. 多余转义和控制字符：原始数据集中存在多余转义和控制字符。

数据集任务类别

• 文本生成

数据集语言

• 塞尔维亚语

数据集许可证

• Creative Commons NonCommercial (CC BY-NC 4.0)