thailevann/

CivicGRQA_Pretrain_Text_v2

	Dữ liệu dịch vụ công, pháp luật và sách Tiếng Việt




	
	📘 Tổng quan

Bộ dữ liệu tiếng Việt tổng hợp từ 3 nguồn chính nhằm phục vụ huấn luyện và tinh chỉnh mô hình ngôn ngữ lớn (LLM), đặc biệt cho các ứng dụng hành chính công và văn hóa tại Việt Nam.

Tập huấn luyện (train): 474,559 mẫu — ~2.48 GB Tập kiểm tra (test): 52,729 mẫu — ~275 MB Tổng dung lượng sau giải nén: ~2.57 GB Định dạng: plain text (text field)

Tài liệu về… See the full description on the dataset page: https://huggingface.co/datasets/thailevann/CivicGRQA_Pretrain_Text_v2.