К содержимому

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

Как загрузить

from datasets import load_dataset

ds = load_dataset("airesearch/WangchanThaiInstruct")