К содержимому

Датасет · Den4ikAI

Русскоязычные диалоги для обучения чат-ботов

Den4ikAI/russian_dialogues_2

Корпус из 1,6 млн контекстных диалогов на русском языке для тренировки диалоговых агентов.

Что внутри

Внутри собрано 1,6 миллиона русскоязычных диалогов для задач генерации текста. Каждая запись представляет собой список последовательных реплик участников разговора в формате словаря с ключом sample. Датасет подготовлен Денисом Петровым в 2023 году.

Что можно сделать

  • SFT-дообучение русскоязычной LLM для поддержания связной беседы
  • Тренировка LoRA-адаптера для чат-бота или голосового ассистента
  • Оценка генерации реплик с учетом контекста диалога
Задачи
Генерация текста
Языки
Русский
Размер
1M–10M записей
Скачиваний за месяц
884
Лайков
20

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("Den4ikAI/russian_dialogues_2")