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
- TheBloke/PiVoT-0.1-Evil-a-GGUFГенерация текста 957
- TheBloke/PiVoT-0.1-early-GGUFГенерация текста 647
- mradermacher/KoR-Orca-Platypus-13B-i1-GGUF 613
- mradermacher/DataVortexTL-1.1B-v0.1-i1-GGUFГенерация текста 610
- mradermacher/Llama-3-Ko-8B-OpenOrca-i1-GGUF 515
- tensorblock/Llama-3-Ko-8B-Instruct-AOG-GGUFГенерация текста 356
- mradermacher/DataVortexTL-1.1B-v0.1-GGUFГенерация текста 265
- mradermacher/Llama-3-Ko-8B-OpenOrca-GGUF 187
Как загрузить
from datasets import load_dataset
ds = load_dataset("kyujinpy/OpenOrca-KO")