simonbutt/amharic_gsm8k

Amharic GSM8K数据集是GSM8K数据集的阿姆哈拉语翻译版本，主要用于评估阿姆哈拉语言模型在解决小学数学问题上的能力。数据集包含训练集和测试集，每个样本包含英文和阿姆哈拉语的问题和答案。数据集的创建目的是为了提供一个共同的基准和排行榜，以推动阿姆哈拉语言模型的发展。

原始信息汇总

数据集概述

数据集名称

• 名称: Amharic GSM8K

数据集特征

• 特征列表:
  • question: 字符串类型
  • am_question: 字符串类型
  • answer: 字符串类型
  • am_answer: 字符串类型

数据集分割

• 训练集:
  • 示例数量: 7473
  • 字节数: 10156876
• 测试集:
  • 示例数量: 1319
  • 字节数: 1824682

数据集大小

• 下载大小: 6146181字节
• 数据集总大小: 11981558字节

语言

• 支持语言:
  • Amharic
  • English

数据集配置

• 配置名称: default
• 数据文件路径:
  • 训练集: data/train-*
  • 测试集: data/test-*

许可证

• 许可证类型: Apache-2.0

数据集类别大小

• 大小类别: 1K<n<10K

数据集结构

• 数据字段:
  • question: 英文问题字符串
  • answer: 英文解答字符串
  • am_question: 阿姆哈拉语翻译的问题字符串
  • am_answer: 阿姆哈拉语翻译的解答字符串

数据集用途

• 主要用途: 评估阿姆哈拉语模型在解决小学数学问题上的表现

数据集创建

• 来源数据: GSM8K数据集
• 数据处理工具: 使用seamless_communication进行翻译处理

数据集限制

• 限制: 不建议用于训练阿姆哈拉语模型，数据集规模较小，可能影响模型评估的有效性。