parsak/lima-tr

LIMA-tr数据集是halitefe/lima-tr数据集的清理版本，后者是原始GAIR/lima数据集的机器翻译土耳其语版本。该数据集修复了GPT翻译后的一些不一致性问题，如遗忘的指令、合并为一个字符串的对话以及测试分割中的额外输出垃圾。这是原始版本，包含作为字符串列表的对话，与原始数据集相同。该数据集的alpaca-style版本可通过parsak/lima-tr-alpacastyle访问。数据集由Parsa K.维护，语言为土耳其语，许可证为MIT。

原始信息汇总

数据集概述

数据集信息

• 名称: LIMA-tr
• 描述: 该数据集是halitefe/lima-tr的清理版本，后者是将原始GAIR/lima数据集机器翻译成土耳其语的版本。

数据集特征

• 特征名称: conversations
  • 类型: 字符串序列
• 特征名称: source
  • 类型: 字符串

数据集分割

• 训练集:
  • 示例数量: 1030
  • 字节数: 3103691
• 测试集:
  • 示例数量: 300
  • 字节数: 44185

数据集大小

• 下载大小: 1730712字节
• 数据集总大小: 3147876字节

数据文件配置

• 配置名称: default
• 训练集路径: data/train-*
• 测试集路径: data/test-*

维护者

• 维护者: Parsa K.

语言

• 语言: 土耳其语

许可证

• 许可证: MIT