К содержимому

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")