Датасет · angeluriot
Инструкции и диалоги на французском языке
angeluriot/french_instruct
276 тысяч пар «инструкция — ответ» и многоходовых диалогов на французском языке для обучения языковых моделей.
Что внутри
Внутри находятся 276 тысяч диалогов между пользователем и ассистентом (включая многоходовые) общим объёмом около 85 миллионов токенов полностью на французском языке. Для каждого документа добавлена разметка, указывающая, был ли текст написан человеком или сгенерирован моделью. Набор данных также продублирован на GitHub.
Что можно сделать
- SFT-дообучение и адаптация LLM для работы на французском языке
- Обучение классификаторов для определения ИИ-генерации в текстах
- Разработка разговорных ассистентов и систем вопросно-ответного поиска
- Задачи
- Вопрос-ответ, Генерация текста, Классификация текста, Разметка токенов
- Языки
- Французский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 868
- Лайков
- 21
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("angeluriot/french_instruct")