seq-monkey シーケンス モンキー オープンソース データセット 1.0

Sequence Monkey は、Mobvoi が提供する非常に大規模な言語モデルです。Sequence Monkey データセットは、Sequence Monkey モデルの学習に使用されるデータセットです。データセットの一部が公開されています。

バージョン 1.0 のデータ セットでカバーされる領域には、中国語の一般テキスト コーパス、古詩および現代語訳コーパス、テキスト生成コーパスが含まれます。このうち、中国語の一般テキストコーパスはSequence Monkeyトレーニングセットであり、1,300万件のデータを抽出して公開されている。古代詩の現代翻訳のオープンソース データセットは、680,000 の詩が公開されている古代および現代のテキストの翻訳データ セットです。テキスト生成の微調整データ セットにより、5,000 の質問と回答のデータが開かれ、単語の誤りの検出、単語の誤りの修正、およびテキストの修正タスクに使用できます。