marcob/lambada_multilingual

LAMBADA OpenAI数据集是一个由机器生成的多语言数据集，主要用于语言建模任务。该数据集基于LAMBADA数据集构建，包含德语、英语、西班牙语、法语和意大利语等多种语言。数据集的大小在1K到10K之间，具体包含5153个测试样本。数据集的特征是文本，数据类型为字符串。

The LAMBADA OpenAI dataset is a machine-generated multilingual translation dataset, suitable for language modeling tasks. It includes versions in German, English, Spanish, French, and Italian, each with a default configuration containing text features, and each configuration has a test set with the number of samples between 1K and 10K.

原始信息汇总

LAMBADA OpenAI 数据集概述

基本信息

• 名称: LAMBADA OpenAI
• 语言创建者: 机器生成
• 许可证: MIT
• 多语言性: 翻译
• 任务类型: 语言建模
• 源数据集: lambada
• 大小类别: 1K<n<10K
• 语言: 德语 (de), 英语 (en), 西班牙语 (es), 法语 (fr), 意大利语 (it)

数据集配置

• 默认配置

  • 特征:
    • 名称: text
    • 数据类型: string
  • 分割:
    • 名称: test
    • 样本数量: 5153

• 英语配置

  • 特征:
    • 名称: text
    • 数据类型: string
  • 分割:
    • 名称: test
    • 样本数量: 5153

• 意大利语配置

  • 特征:
    • 名称: text
    • 数据类型: string
  • 分割:
    • 名称: test
    • 样本数量: 5153