malhajar/OpenOrca-tr

OpenOrca-tr数据集是OpenOrca数据集的土耳其语翻译版本，旨在通过建立严格的土耳其语数据集集合来推进土耳其语大型语言模型（LLM）的发展。该数据集包含超过200万条条目，是土耳其语中的第一个SFT数据集。数据集主要用于自然语言处理领域的训练和评估。

原始信息汇总

数据集概述

数据集信息

特征

• id: 字符串类型
• system_prompt: 字符串类型
• question: 字符串类型
• response: 字符串类型
• system_prompt-turkish: 字符串类型
• question-turkish: 字符串类型
• response-turkish: 字符串类型

分割

• train: 包含2352811个样本，总大小为8500889145字节

大小

• 下载大小: 4792916697字节
• 数据集大小: 8500889145字节

配置

• default: 数据文件路径为data/train-*

大小分类

• 1M < n < 10M

许可证

• MIT

任务分类

• 文本分类
• 标记分类
• 表格问答
• 问答
• 零样本分类
• 摘要
• 特征提取
• 文本生成
• 文本到文本生成

语言

• 土耳其语

数据集摘要

OpenOrca数据集是一个增强的FLAN Collection数据集合，目前包含约100万条GPT-4完成和约320万条GPT-3.5完成。该数据集主要用于自然语言处理领域的训练和评估。

使用方法

python from datasets import load_dataset

ds = load_dataset("malhajar/OpenOrca-tr")

引用

bibtex @misc{OpenOrca, title = {OpenOrca: An Open Dataset of GPT Augmented FLAN Reasoning Traces}, author = {Wing Lian and Bleys Goodson and Eugene Pentland and Austin Cook and Chanvichet Vong and "Teknium"}, year = {2023}, publisher = {HuggingFace}, journal = {HuggingFace repository}, howpublished = {url{https://https://huggingface.co/Open-Orca/OpenOrca}}, }