SuperMinor

🔺 SuperMinor Сделал ещё один небольшой SFT датасет-заготовку для малоресурсных языков России. Пару лет назад делал портал для разметки, на котором были пользовательские промпты для чат-моделей типа " Когда родился XXX? " (есть много таких шаблонных промптов), " Выпиши пять основных пунктов, о которых идет речь в тексте: ", " Переработай данный текст в креативный маркетинговый материал из 5-6 предложений " и т.д. Специально делал много синонимичных промптов в разных стилях для их разнообразия. Многое тогда перевели носители, часть оставалась. Делалось это всё для генерации синтетических SFT инструкций , например, берёте заготовку типа "«XXX» рус телендә нисек әйтергә?", подставляете слово на башкирском и ответ на русском. Делаете так N инструкций, кидаете в обучение. Таких промптов-заготовок в датасете 124 штуки . Сейчас провалидировал и доперевел остатки Fable'ом. Пометки про перевод есть в отдельных колонках. Всего 16 языков: русский, аварский, алтайский, башкирский, белорусский, даргинский, казахский, коми, марийский (луговой), осетинский (дигорский), осетинский (иронский), татарский, удмуртский, хакасский, чувашский, якутский. 👉 https://huggingface.co/datasets/averoo/sumi // всем, кто в свое время помогал переводить, спасибо! 👉 Upd . Добавили с носителями чеченский язык.