К содержимому

Датасет · KeremTT

Сбалансированный чат-датасет на английском и турецком

KeremTT/FABLE-5.2-MAX-DATABASE

240 000 диалоговых примеров по 12 темам на английском и турецком языках для обучения LLM.

Что внутри

Датасет содержит 240 000 текстовых строк на английском и турецком языках, равномерно распределённых по 12 категориям (ровно по 20 000 строк в каждой). Данные собраны из открытых источников со свободными лицензиями и приведены к единой чат-схеме. Поставляется в виде 48 JSONL-файлов по 5 000 строк в каждом.

Что можно сделать

  • SFT-дообучение мультиязычных LLM с поддержкой турецкого и английского языков
  • Обучение моделей для генерации текста и ответов на вопросы по разным доменам
  • Создание разговорных ассистентов на базе открытых весов
Задачи
Генерация текста, Вопрос-ответ
Языки
Английский, Турецкий
Размер
100K–1M записей
Скачиваний за месяц
735
Лайков
17

Как загрузить

from datasets import load_dataset

ds = load_dataset("KeremTT/FABLE-5.2-MAX-DATABASE")
Сбалансированный чат-датасет на английском и турецком — датасет KeremTT/FABLE-5.2-MAX-DATABASE | NeyroLearn