К содержимому

Датасет · kyujinpy

Корейский перевод выборки OpenOrca

kyujinpy/OpenOrca-KO

Около 20 тысяч инструктивных примеров и цепочек рассуждений (CoT), переведённых на корейский язык через DeepL.

Что внутри

Датасет представляет собой выборку из примерно 20 000 текстовых записей из известного корпуса OpenOrca, переведённых на корейский язык с помощью DeepL Pro API. Внутри собраны данные из поднаборов FLAN (9434), T0 (6351), KoCoT (2159), CoT (2117) и NIV (1571). Подходит для широкого спектра NLP-задач от суммаризации до ответов на вопросы.

Что можно сделать

  • Инструктивное дообучение (SFT) языковых моделей на корейском языке
  • Обучение моделей рассуждениям по шагам (Chain-of-Thought) для корейского языка
Задачи
Классификация текста, Разметка токенов, Вопросы по таблицам, Вопрос-ответ, Zero-shot классификация, Суммаризация
Языки
Корейский
Размер
10K–100K записей
Скачиваний за месяц
88
Лайков
32

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("kyujinpy/OpenOrca-KO")