daviskas1/burmalda67

🧠 Burmalda67

Синтетический датасет для генерации абсурдного юмора на основе мемов 2025–2026. 100 файлов по 67 МБ → суммарно 6.7 ГБ чистого брейнрота.

📌 Описание

Burmalda67 — это коллекция из 100 текстовых файлов, каждый размером ровно 67 МБ, наполненных бессмысленными, но внешне связными предложениями, построенными на популярных мемах рунета 2025–2026 годов. Название датасета отсылает к мему «Бурмалда» (абсурдное слово, популяризированное Mellstroy) и магическому числу 67, которое само стало мемом («6-7», «Сикс-севен»).

Датасет создан исключительно в исследовательских целях — для изучения поведения языковых моделей на бессмысленных, но грамматически корректных текстах, а также для генерации постироничного юмора.

🔍 Состав

• —100 файлов с именами 001.txt … 100.txt
• —Каждый файл — ровно 67 МБ (70 381 568 байт)
• —Внутри — тысячи предложений, сгенерированных из пула в 50 000 уникальных фраз
• —Все файлы уникальны по порядку предложений (перетасовка)
• —В начале каждого файла — строка-маркер: # Синтетические данные, сгенерированы автоматически

Использованные мемы (неполный список)

• —6-7 / Сикс-севен / Six-seven
• —Черемша и советская эстетика
• —Воздухан
• —Можно, а зачем?
• —Фа ватафа пепе шнейне / Пэпэ шнейне
• —Бурмалда
• —Кот Куки (Котость)
• —Верните мой 2016-й
• —Данил Колбасенко
• —Нишевость
• —Сам решу-у
• —Лев, который всё делает без удовольствия
• —Кот Окак
• —А ниче тот факт, что
• —Кот Бро
• —Смерть в нищете / Покой в роскоши
• —Тралалео Тралала
• —42, братуха
• —Дикий огурец
• —Лабубу
• —Договорнячок
• —Пу-пу-пу
• —Белый кот говорит

⚙️ Генерация

Датасет создан с помощью Bash-скрипта, который:

1. 1.Генерирует пул из 50 000 уникальных предложений (каждое — случайная комбинация 2–3 мемов в одном из 5 шаблонов).
2. 2.Записывает этот пул во временный файл размером ~80 МБ.
3. 3.Для каждого из 100 файлов перемешивает пул (shuf) и обрезает вывод до 67 МБ.
4. 4.Добавляет в начало маркер синтетики.

Исходный код генератора доступен в этом репозитории (ссылка на скрипт).

🎯 Возможное применение

• —Тонкая настройка малых языковых моделей (например, GPT-2, DistilGPT-2) на генерацию абсурдных текстов.
• —Стресс-тестирование классификаторов тональности и детекторов бессмыслицы.
• —Создание чат-ботов-«троллей» для развлекательных проектов.
• —Исследования постиронии, мем-эволюции и устойчивости моделей к бессвязным данным.
• —Генерация контента для мемных пабликов и нейро-арта.

⚠️ Важные предупреждения

• —Датасет не содержит нецензурной лексики, оскорблений или незаконного контента — все мемы взяты из публичного культурного поля.
• —Однако он полностью бессмыслен с точки зрения логики и фактологии.
• —Использование этого датасета для обучения серьёзных систем (диалоговые агенты, суммаризация, факт-чекинг) приведёт к резкому ухудшению качества.
• —Распространяется под лицензией MIT — делайте с ним что угодно, но без каких-либо гарантий.

🤔 Почему 67?

Потому что «6-7» — главный мем 2026 года (по данным «Медиалогии»). А ещё 67 МБ — это просто красивое число, которое вписывается в концепцию абсурда.

📊 Статистика

📄 Лицензия

MIT

🙏 Благодарности

Всем мемам, которые сделали этот датасет возможным. И тебе, кто дочитал до конца. Теперь ты официально часть брейнрота.