Širok hrvatski korpus za jezičnu prilagodbu i fino ugađanje malih jezičnih
modela, osobito Gemma 3 1B, Gemma 3 4B te kompatibilnih Gemma 4 modela.
Skup nije samo zbirka kratkih uputa. Sastoji se od dva komplementarna dijela:
cpt: 22,5 milijuna riječi književnog, enciklopedijskog i autentičnog
govornog hrvatskog za continued pretraining
sft: 47.588 razgovora za praćenje uputa, prirodne odgovore, dulji tekst,
književni nastavak i razgovorne replike
