40G 100_book
114G 100_c4-vi
29G 100_code
13G 100_news_2020-2021
18G 100_news_2022-2023
100G 100_slimpajama
18G 300_laws
53G 500_epub
16G 999_gov
Instruct data: chuyển chatgpt => 'tí-biết-tuốt', openai => Symato
Lọc gov/datachinhphu.jsonl,datatieusu.jsonl,canbo_bo_nganh_vietnam.jsonl
Bổ xung secret data
6G minipile
Trộn ngẫu nhiên data trong cùng 1 thư mục
Phân chia data trong cùng 1 thư mục… See the full description on the dataset page:
https://huggingface.co/datasets/tiendung/NAM002.
