ViperEkura/DataPipeline
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
32 Commits 1 Branch 0 Tags
1ef14a997e7a80eb114a2550e0dd4bb9fd45f6d5
Commit Graph
32 Commits
This Branch
This Branch
All Branches
Author SHA1 Message Date
ViperEkura 1ef14a997e fix(chinese-instruct): 修复 LaTex 公式在数据集中的显示问题 2025-07-21 11:36:50 +08:00
ViperEkura 127e7c8229 refactor(chinese-instruct): 修改 process_func 函数返回值格式 2025-07-21 11:27:36 +08:00
ViperEkura 1b49bfdea6 chore: 添加 Chinese-Instruct 数据集处理脚本 2025-07-21 11:23:53 +08:00
ViperEkura fcb5c2bcc8 feat(dataset): 更新数据集处理和保存逻辑 2025-07-20 11:21:18 +08:00
ViperEkura 365086f102 feat(utils): 添加数据打包功能 2025-07-20 11:16:14 +08:00
ViperEkura dbaecb46f6 refactor(belle_sft): 移除调试打印并优化数据处理 2025-07-20 10:21:29 +08:00
ViperEkura 6762842b0c refactor(belle_sft): 重构处理数据集的逻辑 2025-07-20 09:59:40 +08:00
ViperEkura faf9f81e7c refactor(utils): 将 pre_tarin_process 和 sft_process 函数合并为 process_dataset 2025-07-16 12:17:58 +08:00
ViperEkura f64a1a15ee feat(utils): 新增 sft_process 函数 2025-07-16 11:35:08 +08:00
ViperEkura b69ba2c5ff refactor(dataset): 重构数据集处理流程并添加新功能 2025-07-16 09:56:31 +08:00
ViperEkura 6edc31ce2e refactor(dataset): 更新数据集加载路径和处理代码 2025-07-15 14:06:18 +08:00
ViperEkura e77fb56c45 refactor(utils): 重构数据处理脚本 2025-07-15 13:10:38 +08:00
ViperEkura e6f5b26a75 refactor(chinese-cosmopedia): 更新数据集加载方式并调整相关参数 2025-07-15 12:54:31 +08:00
ViperEkura bea4f83842 refactor(dataset): 重构数据处理脚本并支持自定义数据集 2025-07-15 12:18:58 +08:00
ViperEkura 1c7e49a631 refactor(to_ids): 注释掉中文维基百科数据集的处理 2025-07-15 07:01:26 +08:00
ViperEkura 95a3568328 refactor(to_ids): 重构数据处理流程并支持自定义处理器 2025-07-14 22:13:36 +08:00
ViperEkura 55e0e06dc6 refactor(utils): 重构 process_files 函数并添加新功能 2025-07-14 15:18:54 +08:00
ViperEkura 4cf9681ebb fix(utils): 优化数据集处理中的分块逻辑 2025-07-14 14:52:07 +08:00
ViperEkura 7e53d35099 refactor(utilsi): 优化项目结构 2025-07-14 14:41:42 +08:00
ViperEkura 1c132826c0 feat(chinese-wiki., english-wiki.): 添加 max_chunk_size 参数 2025-07-14 13:35:06 +08:00
ViperEkura 820ddf3fc8 feat(utils): 增加数据集处理的灵活性和可配置性 2025-07-14 13:34:03 +08:00
ViperEkura 2b0f805ff3 refactor(chinese-wiki): 更新数据集处理脚本 2025-07-14 13:28:17 +08:00
ViperEkura d8643d11dd refactor(dataset processing): 重构数据集处理流程并添加新功能 2025-07-14 10:57:23 +08:00
ViperEkura 7591a231df refactor(dataset): 重构数据集处理逻辑 2025-07-14 08:45:01 +08:00
ViperEkura d4df706bc5 fix(dataset): 修正数据集输出路径和名称 2025-07-11 10:55:28 +08:00
ViperEkura 9a417ab6a5 feat: 添加中文维基数据集处理脚本 2025-07-11 10:31:10 +08:00
ViperEkura a8f05cccd6 修复输出文件的bug 2025-06-30 22:37:49 +08:00
ViperEkura b508402724 优化处理形式 2025-06-30 22:00:15 +08:00
ViperEkura 6238764047 修复未创建文件夹的bug 2025-06-30 21:45:51 +08:00
ViperEkura 0690f66bed 修复对jsonl 文件的处理bug 2025-06-30 21:44:04 +08:00
ViperEkura 34dc9632d8 增加文件序列化代码 2025-06-30 21:42:25 +08:00
ViperEkura fca1c541ba 提交数据下载代码 2025-06-30 12:26:37 +08:00