https://github.com/carbonz0/alpaca-chinese-dataset

alpaca中文指令微调数据集
https://github.com/carbonz0/alpaca-chinese-dataset

alpaca chatglm llm

Last synced: 27 days ago
JSON representation

alpaca中文指令微调数据集

• Host: GitHub
• URL: https://github.com/carbonz0/alpaca-chinese-dataset
• Owner: carbonz0
• Created: 2023-03-19T10:14:25.000Z (over 1 year ago)
• Default Branch: main
• Last Pushed: 2023-03-26T16:56:45.000Z (over 1 year ago)
• Last Synced: 2024-08-04T09:05:26.846Z (4 months ago)
• Topics: alpaca, chatglm, llm
• Homepage:
• Size: 2.95 MB
• Stars: 389
• Watchers: 7
• Forks: 24
• Open Issues: 4
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

• StarryDivineSky - carbonz0/alpaca-chinese-dataset
• awesome-pretrained-chinese-nlp-models - dataset - chinese-dataset](https://github.com/carbonz0/alpaca-chinese-dataset) | [carbonz](https://github.com/carbonz0) | 机器翻译 | (中文指令数据集)

README

        
# alpaca-chinese-dataset

alpaca中文指令微调数据集

## TODO

- 每份数据的生成方法待补充

- 清洗关键词及规则待补充

## 格式

- 与原始alpaca数据json格式相同

## 方法

### 数据生成

- 机器翻译

- self-instruct

### 数据清洗

### 样例

``` json

[

  {

      "instruction": "根据给定的坐标确定最近的机场。",

      "input": "40.728157, -73.794853",

      "output": "距给定坐标最近的机场是纽约市的拉瓜迪亚机场 (LGA)。"

  },

  {

     "instruction": "输出不同种类水果的列表",

      "input": "",

      "output": "1. 苹果\n2. 香蕉\n3. 橘子\n4. 芒果\n5. 草莓\n6. 葡萄\n7. 蓝莓\n8. 樱桃\n9. 猕猴桃\n10. 甜瓜\n11.菠萝\n12. 李子\n13.桃子"

  },

  {

     "instruction": "找出字串中隐藏的信息",

     "input": "业余咖啡",

     "output": "隐藏的消息是“咖啡因爱好者”。"

  }

 ]

```