Maloba

Corpus Textes · Version historique

Lingala-Alpaca-Dataset-Augmented

Jeu de textes augmenté par reformulation automatique des consignes.

Voir sur Hugging Face (nouvelle fenêtre)Tous les corpus

Construction

  • Jeu de textes augmenté par reformulation automatique des consignes.

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

  • 31,8 % de lignes redondantes après augmentation, et cinq formulations d'instruction seulement.
  • Version historique ; le jeu de référence est Dataset-Lingala-Alpaca-LLM.

Citation

Congo Digital Services (2026). Lingala-Alpaca-Dataset-Augmented. Hugging Face. Licence NOODL-1.0.