Датасет · Seikaijyu
Китайские эротические новеллы после чистки
Seikaijyu/Sex-novel-filtered
3392 отфильтрованных китайских эротических новеллы с Pixiv для обучения генерации текста.
Что внутри
Набор содержит 3392 записи на китайском языке, каждая не длиннее 2500 токенов. Исходно это около 30 тыс. новелл из раздела Pixiv, которые автор вручную и регулярными выражениями сократил до примерно 3000 примеров. Данные не гарантированно полностью чистые, но заявлены как пригодные для тренировки.
Что можно сделать
- Дообучение китайской языковой модели или LoRA на художественных текстах
- Тестирование фильтрации и классификации взрослого контента
- Изучение длинного контекста на китайской веб-прозе
- Языки
- Китайский
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 111
- Лайков
- 95
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("Seikaijyu/Sex-novel-filtered")