shi3z/alpaca_ja

alpacaデータセットを日本語化したものです

alpaca_ja's Issues

原文との対応について

翻訳版の共有ありがとうございます。

原文は https://github.com/gururise/AlpacaDataCleaned/blob/main/alpaca_data_cleaned.json でしょうか?
原文と翻訳版を見ていたのですが、順番は同じ様なのですがところどころ抜けがあります。
また自動翻訳の間違いどころか、 instruction, input, output の対応が取れないデータもありました。

原文だと "Generate a poem that expresses joy."、日本語だと "喜びを表現する詩を作る。" の次のエントリを比較すると以下の通りです。
どちらも数学的な instruction なのですが英語版では空白のはずの input が日本語版では値が設定されています。
また output の内容も全然違います。

// 日本語版
{"instruction":  "与えられた方程式を代数的表現に変換する。",
  "input":"3x+5y=9\n",
  "output":"3x+5y-9=0\n"
}

// 英語版
   {
        "instruction": "Find the real root of the equation \n sqrt(x) + sqrt(x+2) = 10.\n",
        "input": "",
        "output": "Subtracting sqrt(x) from both sides and then squaring, we get \n x+2 = (10-sqrt(x))^2 = x - 20sqrt(x) + 100.\nTherefore, 20sqrt(x) = 98, so sqrt(x) = 98/20 = 49/10. Therefore, x = (49/10)^2 = 2401/100, or x = 24.01."
   },

翻訳間違いはどのように改善していくのがよいでしょうか

@shi3z 公開して頂いてありがとうございます！

さっと見ていて、いくつか気になるものがありました。

{"instruction":  "奇数を識別します。\n",
  "input":"Twitter、Instagram、Telegram(電報)\n",
  "output":"電報\n"
},

{"instruction":  "次の文をtrueまたはfalseに分類します。\n",
  "input":"最高裁判所はアメリカの最高裁判所です。\n",
  "output":"本当ですね。\n"
},