Maloba

Corpus Textes · Version de référence

Dataset-Lingala-Alpaca-LLM

5 700 exemples d'entraînement et 964 de test, au format instruction–réponse, sur cinq registres.

Voir sur Hugging Face (nouvelle fenêtre)Tous les corpus

Construction

  • 5 700 exemples d'entraînement et 964 de test, au format instruction–réponse, sur cinq registres : traduction, formel, urbain, pédagogique, résumé.
  • Textes sources repris sous plusieurs consignes pour apprendre au modèle à changer de ton.

Le corpus en graphique

Volumétrie comparée des corpusLes quatre corpus de référence du projet, à la même échelle. Le corpus audio domine en nombre d'éléments ; la traduction, la plus petite, est celle qui a le plus fait progresser son modèle.
05 06710 13415 20120 268Audio — segments18 767Textes — exemples annotés4 818Documents — exemples467Traduction — paires humaines399

Source : Livrable 4, chiffres arrêtés au 2026-09-30

Voir les données du graphique
CorpusÉléments
Audio — segments18 767
Textes — exemples annotés4 818
Documents — exemples467
Traduction — paires humaines399

Limites

  • Validation humaine : 58 % des exemples de test jugés corrects à la majorité, 98 % corrects ou partiels ; accord faible entre validateurs.

Citation

Congo Digital Services (2026). Dataset-Lingala-Alpaca-LLM. Hugging Face.