Saraiki 语助手指令微调对话数据集
自然语言
0 下载
12 浏览
2026-08-14
数据集简介
Saraiki 语助手指令微调对话数据集(saraiki-assistant-sft)由 themohal 发布,用于训练 Saraiki 语对话助手的监督微调(SFT)任务。数据集包含约 1.54k 条对话样本,每条样本由一组 user 和 assistant 消息构成,模拟真实用户与助手的交互。
内容与话题
对话内容覆盖日常问候、农事、天气、饮食、村庄生活等 Saraiki 语使用地区常见的话题,贴近本地用户的真实需求,有助于提升助手在区域场景下的应答能力。
数据格式与结构
数据集提供 parquet 和 optimized-parquet 两种格式,每条记录包含一个 messages 字段,类型为列表,列表中的每个元素包含 role 和 content 字段,role 取值为 user 或 assistant,content 为对应的文本内容。
| 字段 | 类型 | 说明 |
|---|---|---|
| messages | list | 对话消息列表 |
| role | string | 消息角色(user/assistant) |
| content | string | 消息文本内容 |
规模与划分
数据集规模为 1K - 10K,默认划分为 train 集,包含 1.54k 行数据。
| 划分 | 行数 |
|---|---|
| train | 1.54k |
许可与访问
数据集采用 cc-by-nc-4.0 许可,允许非商业用途。可通过 HuggingFace Datasets 页面公开下载,数据以 Parquet 格式自动转换提供。
基本信息
记录数量1K - 10K(1.54k rows,train split)
文件大小未知
文件格式parquet
数据来源themohal
许可cc-by-nc-4.0
语言Saraiki
模态文本
数据落地页https://huggingface.co/datasets/themohal/saraiki-assistant-sft
发布日期2026-08-14
Saraiki语对话数据集指令微调SFT自然语言处理
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载