该数据集是在论文《Long-context LLMs Struggle with Long In-context Learning》中采用的基准。数据集包含多轮提示和标签，特征包括1 Round Prompt、2 Round Prompt、3 Round Prompt、4 Round Prompt、5 Round Prompt和label。数据集的分割包括GoEmotion、BANKING77、F

Hugging Face2025-02-20 更新120

tellarin-ai/llm-japanese-dataset-vanilla-aya-format

语言模型

数据调优

该数据集是从其原始v1.0.0格式转换而来，并在此以相同的CC-BY-SA 4.0许可证和条件下发布。它包含用于LLM构建/调整的日语指令类数据。数据集仅包含一个train分割，约有2.46M行数据。格式转换的细节包括如何将原始数据集中的instruction和input列合并，并在特定情况下添加前缀句子。转换后的数据集仅使用Aya格式指定的两列：inputs和targets。

Hugging Face2024-01-31 更新150

stdbug/common-voice-17-ba

语音识别

语言模型

该数据集包含两个特征字段：input_features（浮点型序列）和labels（整型序列）。数据集分为训练集和测试集，训练集包含133675个样本，测试集包含14513个样本。数据集的总大小为142GB，下载大小为20GB。

Hugging Face2025-01-25 更新120