MBZUAI/Bactrian-X 数据集简介

概述

Bactrian-X 是一个由 MBZUAI 发布的大规模多语言指令微调数据集，旨在支持跨语言的自然语言处理任务。

主要用途

• 多语言指令微调训练
• 跨语言模型评估与基准测试
• 多语言对话系统开发

数据类型

• 模态：纯文本数据
• 语言：支持多种语言（具体语言范围需参考完整文档）
• 格式：指令-响应对形式

数据规模

• 总数据量：约 348 万条样本
• 下载量：2,464 次
• 社区认可：123 次点赞

使用场景

1. 训练多语言对话助手
2. 构建跨语言任务导向系统
3. 研究指令跟随能力的语言迁移
4. 评估模型的多语言理解能力

特点

• 开源可公开访问
• 专注于指令微调格式
• 覆盖广泛的语言种类
• 适用于资源受限语言的研究