Han Instruct Dataset

Dataset Card for Han Instruct Dataset v3.0 🪿 Han (ห่าน or goose) Instruct Dataset is a Thai instruction dataset by PyThaiNLP. This dataset collects all Thai instruct datasets that were made by humans and our old model. The dataset can be used to train Instruction Following models like ChatGPT or others. Many questions are collect from Reference desk at Thai wikipedia. Data sources: Reference desk at Thai wikipedia. Law from justicechannel.org pythainlp/final_training_set_v1_enth: Human checked and edited. Self-instruct from WangChanGLM Wannaphong.com Blognone Human annotators Supported Tasks and Leaderboards ChatBot Instruction Following Languages Thai Dataset Structure Data Fields messages: ChatML Considerations for Using the Data The dataset can be biased by human annotators. We recommend you check the dataset to select or remove an instruction before training the model or using it to at your risk. Licensing Information CC-BY-SA 4.0Han Instruct Dataset v3.0数据集卡片 🪿 「鹅（泰语：ห่าน，英文：goose）」指令数据集（Han Instruct Dataset）是由PyThaiNLP打造的泰语指令数据集。本数据集收录了所有由人类标注者与初代模型生成的泰语指令样本，可用于训练类ChatGPT等遵循指令的模型。 多数问题取自泰语维基百科参考咨询台（Reference desk）。 数据来源： 泰语维基百科参考咨询台 justicechannel.org 发布的法律文本 pythainlp/final_training_set_v1_enth：经人类审核与编辑的数据集 源自WangChanGLM的自指令生成数据 Wannaphong.com平台 Blognone平台 人类标注者产出数据 支持任务与排行榜 聊天机器人（ChatBot） 指令遵循（Instruction Following） 语言：泰语 数据集结构 数据字段 messages：ChatML格式对话消息 数据使用注意事项 本数据集可能存在人类标注者引入的偏差。我们建议您在训练模型或使用该数据集前，先对指令样本进行筛选或移除操作，由此产生的相关风险由您自行承担。 许可信息 CC-BY-SA 4.0