Updesh est un ensemble de données de texte synthétique en langue indienne publié par Microsoft en 2025 pour faciliter la post-formation des grands modèles linguistiques (LLM) pour les langues indiennes. L'ensemble de données contient 6 800 000 données d'inférence et 2 100 000 données générées dans les langues suivantes : assamais, bengali, gujarati, hindi, kannada, malayalam, marathi, népalais, odia, punjabi, tamoul, télougou et ourdou.

Citation

@misc{chitale2026updeshsynthesizinggroundedinstruction, titre={MISE À JOUR : Synthèse des données de réglage des instructions mises à la terre pour 13 Indic}, author={Pranjal A. Chitale et Varun Gumma et Sanchit Ahuja et Prashant Kodali et Manan Uppadhyay et Deepthi Sudharsan et Sunayana Sitaram}, année={2026}, eprint={2509.21294}, préfixe d'archive={arXiv}, primaryClass={cs.CL}, url={https://arxiv.org/abs/2509.21294}, }