Датасет · airesearch
Инструктивный датасет на тайском с учётом культуры
airesearch/WangchanThaiInstruct
Набор инструкций на тайском языке от людей для обучения и оценки моделей с учётом локальной специфики.
Что внутри
Внутри находятся тексты с инструкциями на тайском языке, написанные людьми (объём от 10 до 100 тысяч примеров). Данные охватывают 4 предметные области и 7 типов задач, включая генерацию текста, ответы на вопросы, суммаризацию и классификацию. Датасет представлен на конференции EMNLP'25 и учитывает культурные особенности.
Что можно сделать
- SFT-дообучение LLM для работы с тайским языком
- Оценка качества выполнения инструкций в малоресурсной языковой среде
- Обучение мультизадачных моделей для классификации и суммаризации на тайском
- Задачи
- Генерация текста, Вопрос-ответ, Суммаризация, Классификация текста
- Языки
- Тайский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 695
- Лайков
- 33
Модели, обученные на нём
- mradermacher/Qwen2.5-7B-ThaiInstruct-i1-GGUF 923
- mradermacher/Llama-3.1-8B-ThaiInstruct-i1-GGUF 715
- mradermacher/Gemma2-9b-WangchanLIONv2-instruct-i1-GGUF 613
- Eggchad/mango-artifactsГенерация текста 593
- mradermacher/Qwen2.5-7B-ThaiInstruct-GGUF 579
- mradermacher/Gemma2-9b-WangchanLIONv2-instruct-GGUF 262
- mradermacher/Llama-3.1-8B-ThaiInstruct-GGUF 199
- aisingapore/Gemma2-9b-WangchanLIONv2-instructГенерация текста 79
Как загрузить
from datasets import load_dataset
ds = load_dataset("airesearch/WangchanThaiInstruct")