datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
magpie
MAGPIE Dataset
Reproduced here for convenience.
Train, test, dev sets are taken from: MAGPIE_filtered_split_typebased.jsonl
As can be found in the original authors' (Haagsma et al., 2020) repo: https://github.com/hslh/magpie-corpus
ptbr-irony-idioms-regionalism
Sotaques Digitais — Benchmark LLM Português Brasileiro
Dataset Summary
Sotaques Digitais é um benchmark de avaliação de competência pragmática e cultural para LLMs em português brasileiro. O dataset contém 90 cenários de teste distribuídos em três categorias linguísticas, construídos a partir de contextos reais (redes sociais, WhatsApp, atendimento ao cliente, avaliações de produto, ambiente de trabalho).
O benchmark foi desenvolvido para a pesquisa "Sotaques… See the full description on the dataset page: https://huggingface.co/datasets/ramondomiingos/ptbr-irony-idioms-regionalism.