ai4bharat 发布 IndicInstruct 数据集, 应用在 自然语言处理、印地语 领域

ai4bharat 本次发布的数据集 IndicInstruct, 该数据集是一组多样化的针对印地语的指令调优数据集，通过将高质量的英语监督指令调优数据集翻译成印地语而创建。为了确保高质量，翻译后的印地语示例经过了筛选，要求其chrF++分数达到50分以上。数据集规模包含38.5万个示例，旨在为印地语语言模型进行指令调优任务。

查看IndicInstruct

Dataset card 内容： 

Files and versions 内容： 

关于 ai4bharat , AI4Bharat是一个专注于人工智能研究和应用的印度组织，旨在推动人工智能技术在印度的普及和应用，特别是在教育、医疗和农业等领域。尼勒卡尼中心是其下属的一个研究机构，致力于通过人工智能解决社会问题。

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。