M2Lingual est un ensemble de données de réglage fin d'instructions (IFT) multilingue et multi-tours qui vise à améliorer les performances des grands modèles de langage (LLM) dans le suivi des instructions, en particulier sur diverses langues et tâches. L'ensemble de données a été créé en 2024 par une équipe de recherche de ServiceNow et de l'Université de l'Illinois à Chicago.

Les principales caractéristiques de l'ensemble de données M2Lingual comprennent :

1. Couverture multilingue:M2Lingual couvre 70 langues différentes, fournissant davantage de données de formation pour les langues à faibles ressources.
2. Dialogue multi-tours:L'ensemble de données contient plusieurs séries d'instructions et de réponses, ce qui améliore la capacité du modèle à gérer des scénarios de dialogue complexes.
3. Orienté vers les tâches:M2Lingual comprend 17 tâches de traitement du langage naturel (NLP), telles que le résumé, la réponse aux questions et les paires générales de commandes-réponses.
4. À grande échelle:L'ensemble de données contient un total de 182 000 paires d'instructions de réglage fin, fournissant des échantillons de formation riches.
5. Ensemble de données synthétiques：M2Lingual est un ensemble de données entièrement synthétique généré à l'aide d'une taxonomie évolutive spécifique, garantissant la diversité et la complexité des données.
6. Améliorations des performances:LLM affiné à l'aide de M2Lingual montre des performances supérieures par rapport aux ensembles de données IFT multilingues existants sur plusieurs benchmarks d'évaluation.

L'introduction de M2Lingual fournit une nouvelle solution au problème de l'alignement des instructions multilingues et multi-tours, ce qui contribue à améliorer la praticité et la précision des grands modèles linguistiques dans des environnements multilingues.