К содержимому

Датасет · squarelike

Корейский перевод инструкций OpenOrca

squarelike/OpenOrca-gugugo-ko

Более 2,2 млн инструктивных примеров на корейском языке для SFT-обучения моделей.

Что внутри

Текстовый датасет на корейском языке, представляющий собой перевод известного корпуса OpenOrca, выполненный с помощью модели Gugugo-koen-7B-V1.1. Включает около 640 тысяч переведенных ответов GPT-4 и около 1,59 миллиона ответов GPT-3.5 (общий размер от 1 до 10 млн записей). Подходит для широкого круга NLP-задач, включая ответы на вопросы, саммаризацию и классификацию.

Что можно сделать

  • SFT-дообучение языковых моделей на корейском языке
  • Обучение моделей для суммаризации и ответов на вопросы по таблицам
  • Тренировка классификаторов текста на корейских данных
Задачи
Классификация текста, Разметка токенов, Вопросы по таблицам, Вопрос-ответ, Zero-shot классификация, Суммаризация
Языки
Корейский
Размер
1M–10M записей
Скачиваний за месяц
137
Лайков
35

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("squarelike/OpenOrca-gugugo-ko")