Pokémon BLIP captions数据集用于训练Pokémon文本到图像模型。该数据集包含由BLIP模型生成的Pokémon图像描述。每一行数据包含`image`和`text`键，分别表示图像和相应的文本描述。数据集仅提供训练集，且图像大小不一。数据集的语言为英语，且为单语言数据集。数据集的来源是Few Shot Pokémon数据集，原始图像来自FastGAN-pytorch，并使用预训
LCCC: Large-scale Cleaned Chinese Conversation corpus (LCCC) 是一套来自于中文社交媒体的对话数据，我们设计了一套严格的数据过滤流程来确保该数据集中对话数据的质量。 这一数据过滤流程中包括一系列手工规则以及若干基于机器学习算法所构建的分类器。 我们所过滤掉的噪声包括：脏字脏词、特殊字符、颜表情、语法不通的语句、上下文不相关的对话等。
