kyujinpy/KOR-OpenOrca-Platypus-v3

OpenOrca数据集是一个包含增强的FLAN集合数据的丰富集合，目前约有100万条GPT-4完成和约320万条GPT-3.5完成。该数据集与ORCA论文中概述的分布对齐，并用于自然语言处理领域的训练和评估。数据集支持多种任务，包括语言模型、文本生成和文本增强，已被用于生成多个高性能模型检查点。

原始信息汇总

数据集概述

基本信息

• 语言: 韩语
• 许可证: CC-BY-NC-4.0
• 数据规模: 10K < n < 50K
• 任务类别: 对话、文本分类、标记分类、表格问答、问答、零样本分类、摘要、特征提取、文本生成、文本到文本生成

数据集配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

数据集信息

• 特征:
  • id: 字符串类型
  • input: 字符串类型
  • output: 字符串类型
  • instruction: 字符串类型
• 分割:
  • train: 34214个样本

数据集描述

• KOR-OpenOrca-Platypus-v3: KOR-OpenOrca-Platypus 数据集中手动修正了200多个翻译错误。
• KOpen-platpyus: 高质量的韩语数据集，保留代码和注释，仅修改说明部分为韩语。
• OpenOrca-Ko-v2: 包含约1500个NIV、9000个FLAN、6000个T0和2000个CoT样本。

数据处理

• 翻译: 使用DeepL Pro API进行翻译。