AI Singapore 发布 WangchanThaiInstruct 数据集, 应用在 自然语言处理、跨语言模型评估 领域

AI Singapore 本次发布的数据集 WangchanThaiInstruct, WangchanThaiInstruct是一个由人类作者编写的泰语指令数据集，用于评估和改进LLM在泰语指令上的性能。数据集包含来自医疗、法律、金融和零售四个领域的指令，以及头脑风暴、分类、封闭式问答、创意写作、多项选择、开放式问答和摘要等七种任务类型。数据集包含35,014个人类编写的指令-响应对，分为28,098个训练样本和6,916个测试样本。数据集的创建过程采用了多阶段质量控制，包括人工质量控制和专家质量控制，以确保数据集的质量和可靠性。WangchanThaiInstruct旨在支持文化评估和指令调整，以解决低资源语言中的LLM性能问题。

查看WangchanThaiInstruct

Dataset card 内容： 

Files and versions 内容： 

关于 AI Singapore , AI Singapore是新加坡的一家研究机构，专注于推动人工智能的研究、教育和应用，旨在成为全球人工智能研究和创新的中心。

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。