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")