Датасет · SylvanL
Корпус по традиционной китайской медицине для претрейна
SylvanL/Traditional-Chinese-Medicine-Dataset-Pretrain
Около 1 ГБ несетевых текстов по китайской медицине для продолженного претрейна LLM.
Что внутри
Текстовый корпус объёмом от 100 тысяч до 1 миллиона записей (около 1 ГБ) на китайском языке (99% — упрощённый китайский). Состоит из внутренних материалов, не взятых из открытого интернета: клинических случаев, классических трудов, медицинских энциклопедий и словарей терминов. Предназначен строго для претрейна или продолженного претрейна.
Что можно сделать
- Продолженный претрейн (continued pretraining) языковых моделей в домене китайской медицины
- Адаптация базовых китайских LLM под узкоспециализированную терминологию
- Задачи
- Генерация текста
- Языки
- Китайский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 602
- Лайков
- 36
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("SylvanL/Traditional-Chinese-Medicine-Dataset-Pretrain")