language:

• tr
  license: mit
  size_categories:
• 10M<n<100M
  task_categories:
• text-classification
• token-classification
• table-question-answering
• question-answering
• zero-shot-classification
• summarization
• feature-extraction
• text-generation
• text2text-generation
  pretty_name: OrcaDPO
  dataset_info:
  features:
  • name: chosen
    list:
    • name: content
      dtype: string
    • name: role
      dtype: string
  • name: rejected
    list:
    • name: content
      dtype: string
    • name: role
      dtype: string
  • name: prompt
    dtype: string
    splits:
  • name: train
    num_bytes: 28576871.836713996
    num_examples: 9761
  • name: test
    num_bytes: 3176509.163286004
    num_examples: 1085
    download_size: 16148886
    dataset_size: 31753381.0
    configs:
• config_name: default
  data_files:
  • split: train
    path: data/train-*
  • split: test
    path: data/test-*

Dataset Card for "malhajar/orca_dpo_pairs-tr"

This Dataset is part of a series of datasets aimed at advancing Turkish LLM Developments by establishing rigid Turkish dataset collection to enhance the performance of LLM's Produced in the Turkish Language.
malhajar/orca_dpo_pairs-tr is a translated version of HuggingFaceH4/orca_dpo_pairs

Translated by: Mohamad Alhajar

Dataset Summary

This is a pre-processed version of the OpenOrca dataset translated to Turkish.

The original OpenOrca dataset is a collection of augmented FLAN data that aligns, as best as possible, with the distributions outlined in the Orca paper.
It has been instrumental in generating high-performing preference-tuned model checkpoints and serves as a valuable resource for all NLP researchers and developers!

Dataset Summary

The OrcaDPO Pair dataset is a subset of the OpenOrca dataset suitable for DPO preference tuning. The dataset is stored in parquet format with each entry using the following schema:
:

{
'prompt': 'Bir cümle oluşturun ve sonra bana bu cümlede yer alan kavramları söyleyin.'
'chosen': [
              {
                "content": "Her zaman açıklama sağlayan yardımsever bir asistansın. Beş yaşındaki bir çocuğa cevap veriyormuşsun gibi düşün.",
                "role": "system"
              },
              {
                "content": "Bir cümle oluşturun ve sonra bana bu cümlede yer alan kavramları söyleyin.",
                "role": "user"
              },
              {
                "content": "Cümle: \"Fıstık kedi küçük kahverengi çitin üzerinden atladı.\" Açıklama: Bu cümlede, konuşabileceğimiz birkaç kavram var: 1. Fıstık kedi - okşayabileceğimiz ve kucaklayabileceğimiz yumuşak ve kalın tüylü bir kedi. 2. Atladı - birisi ya da bir şey yerden itilir ve trampolinde atladığımız gibi havada hareket eder! 3. Üzerine - bu, bir kuşun başımızın üstünden uçtuğu gibi bir şeyin üstünden geçmek anlamına gelir. 4. Küçük kahverengi çit - genellikle bir ev ya da parkın etrafında her şeyi güvenli ve yerinde tutmak için inşa edilen kahverengi renkli ahşaptan yapılmış küçük bir duvar.",
                "role": "assistant"
              }
            ]
'rejected': [
              {
                "content": "Her zaman açıklama sağlayan yardımsever bir asistansın. Beş yaşındaki bir çocuğa cevap veriyormuşsun gibi düşün.",
                "role": "system"
              },
              {
                "content": "Bir cümle oluşturun ve sonra bana bu cümlede yer alan kavramları söyleyin.",
                "role": "user"
              },
              {
                "content": "Elbette! İşte bir cümle: \"Büyük, tüylü kedi kucağımda memnun bir şekilde mırıldandı.\" İşte bu cümlede yer alan kavramlar: 1. Büyük: Bu sıfat kedinin boyutunu tanımlar. 2. Tüylü: Bu sıfat kedinin kürkünün dokusunu tanımlar. 3. Kedi: Bu isim cümlenin ana konusudur. 4. Mırıldan: Bu fiil kedinin çıkardığı sesi tanımlar. 5. Mutlu: Bu fiil kedinin ruh halini tanımlar. Kedi mutlu ve kendini iyi hisseder. 6. Lap: Bu isim kedinin oturduğu yüzeydir. Umarım yardımcı olur! Başka sorunuz var mı?",
                "role": "assistant"
              }
            ]
}

Data Splits

The dataset consists of two splits, "train_prefs" and "test_prefs":

Usage

To load the dataset, run:

from datasets import load_dataset

ds = load_dataset("malhajar/orca_dpo_pairs-tr")

Languages

The language of the data is primarily Turkish.

`# Citation

@misc{OpenOrca,
  title = {OpenOrca: An Open Dataset of GPT Augmented FLAN Reasoning Traces},
  author = {Wing Lian and Bleys Goodson and Eugene Pentland and Austin Cook and Chanvichet Vong and "Teknium"},
  year = {2023},
  publisher = {HuggingFace},
  journal = {HuggingFace repository},
  howpublished = {\url{https://https://huggingface.co/Open-Orca/OpenOrca}},
}