Skip to main content

Instruction Tuning LLMs for Vietnamese Dataset

· One min read

Introduction​

Bộ dữ liệu hướng dẫn mới cho quá trình tinh chỉnh các mô hình Ngôn ngữ lớn trên các lĩnh vực tổng quát và y tế. Được xây dựng bằng cách thu thập và dịch từ các nguồn công khai khác.

Brief statistic:​

instruct_merged.jsonl: instruction dataset. It contains 52k samples from Alpaca + 170k samples from GPT4All. Then translated to Vietnamese.

translated_health_200k.jsonl: Medical instruction dataset. It was collected from ChatDoctor

image info image info Một vài mẫu dữ liệu

How to download​

Link Drive

Link Github

Paper​

Author:​

Vu-Thuan Doan, Quoc-Truong Truong, Duc-Vu Nguyen, Vinh-Tiep Nguyen, Thuy-Ngan Nguyen Luu

Name of paper:​

Efficient Finetuning Large Language Models For Vietnamese Chatbot

Name of journal or conference​

MAPR-2023

Year:​

2023

Optional: code to load data​

instruct_merged.jsonl: 

wget https://storage.googleapis.com/doanthuan/data/instruct_merged.jsonl

translated_health_200k.jsonl: 

wget https://storage.googleapis.com/doanthuan/data/translated_health_200k.jsonl