Updesh 印度语合成文本数据集

Updesh 是由微软 2025 年发布的一个印度语合成文本数据集，旨在推动针对印度语言的大型语言模型（LLMs）的后训练工作。

该数据集包含 6,800,000 条推理数据及 2,100,000 条生成数据，其涉及的语言有阿萨姆语、孟加拉语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、马拉地语、尼泊尔语、奥迪亚语、旁遮普语、泰米尔语、泰卢固语、乌尔都语。