阿拉伯联合酋长国人工智能研究所 发布 Kazakh Instruction Tuning Dataset (IFT) 数据集, 应用在 语言模型训练、哈萨克斯坦治理 领域

阿拉伯联合酋长国人工智能研究所 本次发布的数据集 Kazakh Instruction Tuning Dataset (IFT), 本研究构建并开源了一个大规模（10600条样本）的指令跟随（IFT）数据集，涵盖了与哈萨克斯坦相关的关键机构和文化遗产知识。数据集由两部分组成：一部分是来自哈萨克斯坦官方电子政府门户（gov.kz）的政府数据，另一部分是来自哈萨克维基百科的文化数据。数据集的构建采用了LLM辅助生成的方式，并经过人工验证确保高质量。该数据集旨在提升语言模型对程序性、法律性和结构性治理主题的理解，并可用于微调任务，以提高模型在多选和生成任务中的表现。

查看Kazakh Instruction Tuning Dataset (IFT)

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。