University of Luxembourg 发布 LUXINSTRUCT 数据集, 应用在 自然语言处理、卢森堡语 领域

University of Luxembourg 本次发布的数据集 LUXINSTRUCT, LUXINSTRUCT是一个跨语言的指令调优数据集，专为卢森堡语设计。该数据集由来自英语、法语和德语的三种主要数据源组成，包括维基百科、新闻文章和一个在线词典。数据集的创建旨在通过使用高质量的人为生成的种子数据来避免大规模翻译，从而确保数据的自然性和可靠性。数据集包含391,551个跨语言的指令-输出样本和145,793个卢森堡语的单语样本，旨在解决低资源语言中缺乏高质量指令调优数据集的问题。该数据集可用于改进卢森堡语模型的语言准确性和流畅性，特别是在语法、正字法和风格一致性方面。

查看LUXINSTRUCT

关于 University of Luxembourg , 卢森堡大学是卢森堡的一所公立研究型大学，以其在金融、法律、技术等领域的教育和研究而闻名。

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。