К содержимому

Датасет · bertin-project

Испанский перевод инструкций Stanford Alpaca

bertin-project/alpaca-spanish

От 10 до 100 тысяч пар инструкция-ответ на испанском языке, переведённых с помощью GPT-3.5-turbo для дообучения языковых моделей.

Что внутри

Внутри находятся тексты на испанском языке — перевод очищенной версии стэнфордского датасета Alpaca (alpaca_data_cleaned.json). В корпусе от 10 до 100 тысяч записей, переведённых с помощью модели OpenAI gpt-3.5-turbo (ранняя версия переводилась через NLLB 1.3B). Из-за использования модели OpenAI лицензия запрещает применять эти данные для создания конкурирующих с OpenAI моделей.

Что можно сделать

  • SFT-дообучение LLM и LoRA-адаптеров для понимания инструкций на испанском языке
  • Тестирование генерации текста и качества выполнения команд на испанском
Задачи
Генерация текста
Языки
Испанский
Размер
10K–100K записей
Скачиваний за месяц
1 тыс.
Лайков
38

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("bertin-project/alpaca-spanish")