Датасет · MBZUAI
3,4 млн инструкций и ответов на 52 языках
MBZUAI/Bactrian-X
3,4 млн пар инструкция-ответ на 52 языках, переведённых с английских alpaca-52k и dolly-15k.
Что внутри
Датасет содержит 3,4 млн пар инструкция-ответ на 52 языках. 67 тыс. английских инструкций из alpaca-52k и dolly-15k переведены на 51 язык через Google Translate API. Языки включают африкаанс, арабский, азербайджанский, бенгальский, чешский, немецкий и другие; формат в карточке не указан.
Что можно сделать
- SFT многоязычной инструкционной модели
- Дообучение LoRA для языков с малым числом данных
- Оценка кросс-языкового следования инструкциям
- Задачи
- Генерация текста
- Языки
- af, Арабский, az, bn, cs, Немецкий, Английский, Испанский и ещё 4
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 2,3 тыс.
- Лайков
- 126
Модели, обученные на нём
- mradermacher/DukunLM-13B-V1.0-Uncensored-sharded-i1-GGUF 1,9 тыс.
- mradermacher/DukunLM-7B-V1.0-Uncensored-i1-GGUF 1,2 тыс.
- mradermacher/DukunLM-7B-V1.0-Uncensored-sharded-i1-GGUF 670
- mradermacher/DukunLM-13B-V1.0-Uncensored-i1-GGUF 572
- mradermacher/DukunLM-13B-V1.0-Uncensored-sharded-GGUF 444
- aerner/lm-v1Генерация текста 337
- mradermacher/DukunLM-7B-V1.0-Uncensored-sharded-GGUF 320
- mradermacher/OpenMia-Indo-Mistral-7b-v2-i1-GGUF 292
Как загрузить
from datasets import load_dataset
ds = load_dataset("MBZUAI/Bactrian-X")