Датасет · jingyaogong
Многоязычные данные для генерации текста
jingyaogong/minimind_dataset
Многоязычный датасет для text-generation в проекте MiniMind; состав данных в карточке не раскрыт.
Что внутри
В метаданных указаны задача text-generation и многоязычность. Приведённый текст карточки в основном объясняет токенизатор MiniMind, влияние словаря на PPL/BPB и не рекомендует переобучать tokenizer. Состав, объём и формат самих данных в этом фрагменте не описаны.
Что можно сделать
- Обучать небольшую LLM MiniMind на text-generation
- Дообучать модель через LoRA или SFT
- Проверять tokenizer и метрики PPL/BPB
- Задачи
- Генерация текста
- Языки
- Много языков
- Скачиваний за месяц
- 4,1 тыс.
- Лайков
- 124
Модели, обученные на нём
- jingyaogong/minimind-3 1,1 тыс.
- yanpeng051821/minimind-dense-64m-mini-pretrainГенерация текста 539
- jingyaogong/minimind-3-gguf 529
- yanpeng051821/minimind-dense-64m-mini-sftГенерация текста 352
- jingyaogong/minimind-3-moe 127
- SnifferCaptain/YModel2-s-2Генерация текста 125
- SnifferCaptain/YModel2-s0Генерация текста 76
- sinksilk/Yebb-Dense-0.8B-BaseГенерация текста 50
Как загрузить
from datasets import load_dataset
ds = load_dataset("jingyaogong/minimind_dataset")