Il s'agit du jeu de données MaLA-LM/mala-monolingual-split où seul la partie en breton est gardée pour un usage plus aisé.
@article{ji2024emma500enhancingmassivelymultilingual,
title={{EMMA}-500: Enhancing Massively Multilingual Adaptation of Large Language Models},
author={Shaoxiong Ji and Zihao Li and Indraneil Paul and Jaakko Paavola and Peiqin Lin and Pinzhen Chen and Dayyán O'Brien and Hengyu Luo and Hinrich Schütze and Jörg… See the full description on the dataset page:
https://huggingface.co/datasets/Bretagne/mala-monolingual-br-split.
