tartuNLP/belebele-smugri

Finno-Ugric Belebele（Belebele-SMUGRI）是Belebele数据集的一个子集，专门翻译成三种低资源的芬兰-乌戈尔语言：科米语（Komi，使用西里尔字母）、沃罗语（Võro，使用拉丁字母）和利沃尼亚语（Livonian，使用拉丁字母）。该数据集重用了SMUGRI-FLORES测试集中的翻译（来自FLORES开发测试集的前250个句子）作为文本段落，用于构建多项选择题库，旨在支持自然语言处理任务如问答、零样本分类、文本分类和多项选择题。数据集包含127个测试示例，每个示例包括文本段落、问题、四个多项选择答案、正确答案编号以及方言信息，适用于评估和促进芬兰-乌戈尔低资源语言的LLM发展。

Subset of Belebele translated to three low-resource Finno-Ugric languages: Komi, Võro, Livonian. The dataset reuses translations from SMUGRI-FLORES (first 250 sentences from FLORES devtest) for the text passages, designed for tasks like question-answering, zero-shot classification, text classification, and multiple-choice. It includes 127 test examples per language configuration, each with a passage, question, multiple-choice answers, correct answer number, and dialect information, aimed at supporting NLP advancements for underrepresented languages.