NLLB Seed

发布方 Meta 发布 2022-06 规模 39 低资源语种 × 6193 句

翻译与多语单一数据集美国商用友好 multilingual

来源描述

NLLB 数据生成种子，39 个低资源语种人工翻译

CC-BY-SA 4.0

近 30 天下载

135

—

200 语种平行评测集 (NLLB 训练 + 评测标准)

全球 3000+ 语言学者贡献的多语 SFT 数据

WMT 年度 General MT 任务评测集 · 业界翻译金标准 · 翻译模型上线前必抱

WMT23 双语训练集集合 (Europarl + News-Commentary + ParaCrawl + CommonCrawl + UN 等)

从 CommonCrawl 挖掘的双射2 句对 · 迄今最大 web 挖掘平行语料

欧盟资助的 EU 多语种 web crawl 平行语料 (正式社区最大之一)

领域、训练阶段、用途、License 分级与本刊判断由本刊维护；下载量 / 点赞 / 更新时间 / 实测规模来自 HuggingFace Hub 官方 API 与 datasets-server，每周自动刷新。规模、许可证与商用授权最终请以原站为准。