Датасет · Tuxifan
Логи IRC-каналов Ubuntu
Tuxifan/UbuntuIRC
Неочищенный архив переписок из IRC-чатов Ubuntu для обучения языковых моделей генерации текста.
Что внутри
Внутри находятся сырые текстовые логи общения пользователей из IRC-каналов Ubuntu без какой-либо предварительной очистки и фильтрации. Размер набора составляет от 1 до 10 миллионов записей.
Что можно сделать
- Предобучение или дообучение (SFT) моделей генерации диалогов и технической поддержки
- Обучение языковых моделей пониманию неформального технического сленга и синтаксиса чатов
- Задачи
- Генерация текста
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 351,2 тыс.
- Лайков
- 4
Как загрузить
from datasets import load_dataset
ds = load_dataset("Tuxifan/UbuntuIRC")