مجموعة بيانات zh-meme-sft-8k هي مجموعة بيانات لتدريب نماذج الحوار على فهم واستخدام الميمات الشائعة على الإنترنت، وتُستخدم بشكل أساسي لتدريب نماذج الحوار على فهم واستخدام هذه الميمات. تم بناء هذه المجموعة من تفاعلات التعليقات على منصات التواصل الاجتماعي مثل Douyin وXiaohongshu وBilibili، وخضعت لعدة جولات من التنظيف والتحسين. تشمل ميزاتها هياكل حوار أصيلة، والحفاظ على جودة عالية للميمات الشائعة بعد جولات التنظيف المتعددة، والتوحيد القياسي باستخدام تنسيق ChatML. تكوين مجموعة البيانات:

• مجموعة التدريب: 7377 عينة، تمثل 851 عينة من نوع TP3T
• مجموعة التحقق: 868 عينة، تمثل 101 عينة من TP3T
• مجموعة الاختبار: 435 عينة، تمثل 51% من TP3T

توزيع التسلسل الهرمي للحوار:

• محادثة المستوى 1 (المنشورات - التعليقات): حوالي 401 TP 3T
• حوار المستوى 2 (التعليقات والردود): حوالي 601 TP3T