saillab/alpaca_bambara_taco

---
language:
- bm
pretty_name: Bambara alpaca-52k
size_categories:
- 100K<n<1M
---
This repository contains the dataset used for the TaCo paper.

The dataset follows the style outlined in the TaCo paper, as follows:

```
{
"instruction": "instruction in xx",
"input": "input in xx",
"output": "Instruction in English: instruction in en ,
Response in English: response in en ,
Response in xx: response in xx "
}
```

Please refer to the paper for more details: [OpenReview](https://openreview.net/forum?id=02MLWBj8HP)

If you have used our dataset, please cite it as follows:

**Citation**
```
@inproceedings{upadhayay2024taco,
title={TaCo: Enhancing Cross-Lingual Transfer for Low-Resource Languages in {LLM}s through Translation-Assisted Chain-of-Thought Processes},
author={Bibek Upadhayay and Vahid Behzadan},
booktitle={5th Workshop on practical ML for limited/low resource settings, ICLR},
year={2024},
url={https://openreview.net/forum?id=02MLWBj8HP}
}
```

The original dataset [(Alpaca-52K)](https://github.com/tatsu-lab/stanford_alpaca?tab=readme-ov-file#data-release) was translated using Google Translate.

**Copyright and Intended Use**
This dataset has been released under CC BY-NC, intended for academic and research purposes only. Please review the licenses and terms and conditions of Alpaca-52K, Dolly-15K, and Google Cloud Translation before using this dataset for any purpose other than research.

语言：
- 班巴拉语（Bambara）
数据集展示名称：班巴拉语Alpaca-52K
规模分类：
- 10万<样本量<100万

本仓库收录了TaCo论文所使用的数据集。
该数据集遵循TaCo论文中规定的格式规范，具体示例如下：

{
"instruction": "xx语言指令",
"input": "xx语言输入内容",
"output": "英文指令：英文指令原文，
英文回复：英文回复内容，
班巴拉语回复：班巴拉语回复内容"
}

更多详细信息请参阅该论文：[OpenReview](https://openreview.net/forum?id=02MLWBj8HP)

若您使用了本数据集，请按如下格式引用：
**引用格式**

@inproceedings{upadhayay2024taco,
title={TaCo: 通过翻译辅助思维链流程增强大语言模型（LLM）中低资源语言的跨语言迁移性能},
author={Bibek Upadhayay and Vahid Behzadan},
booktitle={第五届有限/低资源场景下实用机器学习研讨会，国际学习表征大会（ICLR）},
year={2024},
url={https://openreview.net/forum?id=02MLWBj8HP}
}

原始数据集[(Alpaca-52K)](https://github.com/tatsu-lab/stanford_alpaca?tab=readme-ov-file#data-release)通过谷歌翻译（Google Translate）完成译制。

**版权与使用范围**
本数据集采用CC BY-NC协议发布，仅用于学术与研究用途。在将本数据集用于研究以外的任何用途前，请务必查阅Alpaca-52K、Dolly-15K以及谷歌云翻译（Google Cloud Translation）的许可协议与条款细则。

原始信息汇总

数据集概述

数据集特征

• instruction：数据类型为字符串。
• input：数据类型为字符串。
• output：数据类型为字符串。
• id：数据类型为字符串。
• text：数据类型为字符串。

数据集划分

• 训练集：包含49601个样本，总大小为185277525.9847908字节。
• 测试集：包含12401个样本，总大小为46322183.01520918字节。

数据集大小

• 下载大小：111522127字节。
• 数据集总大小：231599709.0字节。

数据文件配置

• 配置名称：default
• 训练数据路径：data/train-*
• 测试数据路径：data/test-*