Maloba

Corpus Texto · Versão anterior

Lingala-Alpaca-Dataset-Augmented

Conjunto de textos aumentado por reformulação automática das instruções.

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

Construção

  • Conjunto de textos aumentado por reformulação automática das instruções.

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

  • 31,8 % de linhas redundantes após o aumento, e apenas cinco formulações de instrução.
  • Versão histórica; o conjunto de referência é Dataset-Lingala-Alpaca-LLM.

Citação

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