CoolFace
Datasetpublic

nassimjp/questions

📝 Overview Questions یو پاک، deduplicated، shuffled Pashto پوښتنو ډیټاسیټ دی چې د Pashto ژبې د پوښتنې–ځواب، reasoning، instruction-following، او general-purpose SFT لپاره کارول کېږي.دا ډیټاسیټ د مختلفو Pashto سرچینو څخه اخیستل شوی، پاک شوی، duplicate لرې شوي، او د ماډل د ښه عمومي کولو لپاره ګډوډ شوی دی. 🎯 Purpose دا ډیټاسیټ د لاندې کارونو لپاره جوړ شوی: Pashto instruction-tuning Pashto question-answering Pashto reasoning Pashto dialogue modeling Pashto… See the full description on the dataset page: https://huggingface.co/datasets/nassimjp/questions.

sourceHugging Facemitupdated 2mo agoView on Hugging Face
0likes31downloads
Dataset Card

📝 Overview

Questions یو پاک، deduplicated، shuffled Pashto پوښتنو ډیټاسیټ دی چې د Pashto ژبې د پوښتنې–ځواب، reasoning، instruction-following، او general-purpose SFT لپاره کارول کېږي. دا ډیټاسیټ د مختلفو Pashto سرچینو څخه اخیستل شوی، پاک شوی، duplicate لرې شوي، او د ماډل د ښه عمومي کولو لپاره ګډوډ شوی دی.

🎯 Purpose

دا ډیټاسیټ د لاندې کارونو لپاره جوړ شوی:

  • —Pashto instruction-tuning
  • —Pashto question-answering
  • —Pashto reasoning
  • —Pashto dialogue modeling
  • —Pashto general SFT
  • —د Pashto LLMونو د روزنې لپاره د high-quality input corpora جوړول

📂 Dataset Structure

هره کرښه په JSONL بڼه ده:

json
{"question": "پوښتنه دلته"}

Example

json
{"question": "تشریح کړئ چې ولې د انتقادي فکر کولو مهارتونو کارول مهم دي."}

🔧 Data Processing Pipeline

دا ډیټاسیټ د لاندې مرحلو له لارې جوړ شوی:

  1. 1.Extraction — د مختلفو Pashto datasets څخه پوښتنې راایستل
  2. 2.Cleaning — د ALPACA، boilerplate، meta-text لرې کول
  3. 3.Normalization — د Pashto متن پاکول
  4. 4.Deduplication — د repeated پوښتنو لرې کول
  5. 5.Shuffling — د uniform sampling لپاره ګډوډول
  6. 6.Export — JSONL format

📊 Statistics

  • —Format: JSONL
  • —Field: question
  • —Language: Pashto
  • —Encoding: UTF‑8
  • —Duplicates: Removed
  • —Order: Randomized

🔍 Use Cases

  • —Pashto LLM training
  • —Pashto QA systems
  • —Pashto educational AI
  • —Pashto reasoning datasets
  • —Pashto chatbot fine-tuning
  • —Pashto instruction-following models

📜 License

MIT License (که غواړې زه یې بدل کړم، راته ووایه)

🤝 Contributions

که څوک غواړي د Pashto پوښتنو نورې سرچینې اضافه کړي، PRs او Issues خلاص دي.

📬 Contact

Nassim Founder — Spinzar Enterprises Inc. Pashto AI Research & Development Soka, Saitama, Japan

🔗 Related Datasets

  • —PashtoNanoChat
  • —Pashto-SFT-263k-Cleaned
  • —PashtoMoralBench-Reasoning