zh-meme-sft-8k ist ein Datensatz zur Feinabstimmung der chinesischen Internet-Meme-Kultur. Er dient primär dem Training von Dialogmodellen, um ihnen das Verständnis und die Verwendung aktueller Internet-Memes zu ermöglichen. Der Datensatz basiert auf Kommentarinteraktionen auf Social-Media-Plattformen wie Douyin, Xiaohongshu und Bilibili und wurde mehrfach bereinigt und optimiert. Zu seinen Merkmalen gehören authentische Dialogstrukturen, die hohe Qualität der erhaltenen Trend-Memes nach mehreren Bereinigungsrunden sowie die Standardisierung im ChatML-Format. Datensatzzusammensetzung:

• Trainingsdatensatz: 7.377 Stichproben, davon 851 TP3T
• Validierungsset: 868 Proben, davon 101 TP3T
• Testdatensatz: 435 Proben, entsprechend 51 % von TP3T

Verteilung der Dialoghierarchie:

• Konversation der Stufe 1 (Beiträge - Kommentare): Ungefähr 401 TP 3T
• Dialogebene 2 (Kommentare-Antworten): Ungefähr 601 TP3T

Zitat

@misc{zh-meme-sft-8k, Autor = {GaryYang123}, title = {zh-meme-sft-8k: Ein chinesischer Internet-Meme-SFT-Datensatz}, Jahr = {2026}, Herausgeber = {Hugging Face}, url = {https://huggingface.co/datasets/GaryYang123/zh-meme-sft-8k} }