Maloba

Corpus Texto · Versão de referência

Dataset-Lingala-Alpaca-LLM

5 700 exemplos de treino e 964 de teste, em formato instrução–resposta, em cinco registos.

Ver no Hugging Face (abre numa nova janela)Todos os corpora

Construção

  • 5 700 exemplos de treino e 964 de teste, em formato instrução–resposta, em cinco registos: tradução, formal, urbano, pedagógico, resumo.
  • Textos de origem retomados com várias instruções, para ensinar o modelo a mudar de registo.

O corpus, em gráfico

Volumetria comparada dos corporaOs quatro corpora de referência do projeto, à mesma escala. O corpus de fala domina em número de elementos; a tradução, o mais pequeno, é o que mais fez progredir o seu modelo.
05 06710 13415 20120 268Fala — segmentos18 767Textos — exemplos anotados4 818Documentos — exemplos467Tradução — pares humanos399

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

Ver os dados do gráfico
CorpusElementos
Fala — segmentos18 767
Textos — exemplos anotados4 818
Documentos — exemplos467
Tradução — pares humanos399

Limites

  • Validação humana: 58 % dos exemplos de teste julgados corretos por maioria, 98 % corretos ou parciais; acordo fraco entre validadores.

Citação

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