Buchumschlag

The Evolution of Darija Open Dataset: Introducing Version 2

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Outchakoucht, Aissam, Es-Samaali, Hamza
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Introducing OmniGEC: A Silver Multilingual Dataset for Grammatical Error Correction
von: Kovalchuk, Roman, et al.
Veröffentlicht: (2025)

PMOA-TTS: Introducing the PubMed Open Access Textual Times Series Corpus
von: Noroozizadeh, Shahriar, et al.
Veröffentlicht: (2025)

RedPajama: an Open Dataset for Training Large Language Models
von: Weber, Maurice, et al.
Veröffentlicht: (2024)

ShinkaEvolve: Towards Open-Ended And Sample-Efficient Program Evolution
von: Lange, Robert Tjarko, et al.
Veröffentlicht: (2025)

Deep Representation Learning for Open Vocabulary Electroencephalography-to-Text Decoding
von: Amrani, Hamza, et al.
Veröffentlicht: (2023)

BigDocs: An Open Dataset for Training Multimodal Models on Document and Code Tasks
von: Rodriguez, Juan, et al.
Veröffentlicht: (2024)

Introducing MeMo: A Multimodal Dataset for Memory Modelling in Multiparty Conversations
von: Tsfasman, Maria, et al.
Veröffentlicht: (2024)

The Common Pile v0.1: An 8TB Dataset of Public Domain and Openly Licensed Text
von: Kandpal, Nikhil, et al.
Veröffentlicht: (2025)

A Large-Scale Vision-Language Dataset Derived from Open Scientific Literature to Advance Biomedical Generalist AI
von: Lozano, Alejandro, et al.
Veröffentlicht: (2025)

Towards Best Practices for Open Datasets for LLM Training
von: Baack, Stefan, et al.
Veröffentlicht: (2025)

OpenDebateEvidence: A Massive-Scale Argument Mining and Summarization Dataset
von: Roush, Allen, et al.
Veröffentlicht: (2024)

The Karp Dataset
von: DiCicco, Mason, et al.
Veröffentlicht: (2025)

Training the Untrainable: Introducing Inductive Bias via Representational Alignment
von: Subramaniam, Vighnesh, et al.
Veröffentlicht: (2024)

Geak: Introducing Triton Kernel AI Agent & Evaluation Benchmarks
von: Wang, Jianghui, et al.
Veröffentlicht: (2025)

OpenAutoNLU: Open Source AutoML Library for NLU
von: Arshinov, Grigory, et al.
Veröffentlicht: (2026)

The Super Emotion Dataset
von: de Fortuny, Enric Junqué
Veröffentlicht: (2025)

DiLM: Distilling Dataset into Language Model for Text-level Dataset Distillation
von: Maekawa, Aru, et al.
Veröffentlicht: (2024)

Agentic Username Suggestion and Multimodal Gender Detection in Online Platforms: Introducing the PNGT-26K Dataset
von: Bijary, Farbod, et al.
Veröffentlicht: (2025)

OpenMathInstruct-1: A 1.8 Million Math Instruction Tuning Dataset
von: Toshniwal, Shubham, et al.
Veröffentlicht: (2024)

Open Artificial Knowledge
von: Borisov, Vadim, et al.
Veröffentlicht: (2024)

Introducing Verification Task of Set Consistency with Set-Consistency Energy Networks
von: Song, Mooho, et al.
Veröffentlicht: (2025)

Introducing Background Temperature to Characterise Hidden Randomness in Large Language Models
von: Messina, Alberto, et al.
Veröffentlicht: (2026)

Processes Matter: How ML/GAI Approaches Could Support Open Qualitative Coding of Online Discourse Datasets
von: Chen, John, et al.
Veröffentlicht: (2025)

OpenBezoar: Small, Cost-Effective and Open Models Trained on Mixes of Instruction Data
von: Dissanayake, Chandeepa, et al.
Veröffentlicht: (2024)

Introducing Super RAGs in Mistral 8x7B-v1
von: Thakur, Ayush, et al.
Veröffentlicht: (2024)

Open-Reasoner-Zero: An Open Source Approach to Scaling Up Reinforcement Learning on the Base Model
von: Hu, Jingcheng, et al.
Veröffentlicht: (2025)

Beyond Accuracy: Introducing a Symbolic-Mechanistic Approach to Interpretable Evaluation
von: Habibi, Reza, et al.
Veröffentlicht: (2026)

Semantic Captioning: Benchmark Dataset and Graph-Aware Few-Shot In-Context Learning for SQL2Text
von: Al-Lawati, Ali, et al.
Veröffentlicht: (2025)

LLMs Are Not Intelligent Thinkers: Introducing Mathematical Topic Tree Benchmark for Comprehensive Evaluation of LLMs
von: Davoodi, Arash Gholami, et al.
Veröffentlicht: (2024)

DORE: A Dataset For Portuguese Definition Generation
von: Furtado, Anna Beatriz Dimas, et al.
Veröffentlicht: (2024)

CIDAR: Culturally Relevant Instruction Dataset For Arabic
von: Alyafeai, Zaid, et al.
Veröffentlicht: (2024)

Recursive Abstractive Processing for Retrieval in Dynamic Datasets
von: Chucri, Charbel, et al.
Veröffentlicht: (2024)

Introducing L2M3, A Multilingual Medical Large Language Model to Advance Health Equity in Low-Resource Regions
von: Gangavarapu, Agasthya
Veröffentlicht: (2024)

Multilingual Open QA on the MIA Shared Task
von: Yarrabelly, Navya, et al.
Veröffentlicht: (2025)

MillStone: How Open-Minded Are LLMs?
von: Triedman, Harold, et al.
Veröffentlicht: (2025)

Scaling Open-Ended Reasoning to Predict the Future
von: Chandak, Nikhil, et al.
Veröffentlicht: (2025)

AdversariaL attacK sAfety aLIgnment(ALKALI): Safeguarding LLMs through GRACE: Geometric Representation-Aware Contrastive Enhancement- Introducing Adversarial Vulnerability Quality Index (AVQI)
von: Khanna, Danush, et al.
Veröffentlicht: (2025)

Multi-Response Preference Optimization with Augmented Ranking Dataset
von: Gwon, Hansle, et al.
Veröffentlicht: (2024)

Upsample or Upweight? Balanced Training on Heavily Imbalanced Datasets
von: Li, Tianjian, et al.
Veröffentlicht: (2024)

Diversity Measurement and Subset Selection for Instruction Tuning Datasets
von: Wang, Peiqi, et al.
Veröffentlicht: (2024)