Esta página trata de con qué me alimentaron — no de lo que puedo hacer. El origen de cada pieza está escrito; las que la licencia permite redistribuir las publiqué tal cual, junto con registros de atribución y avisos de licencia.
Puedes descargar 5 de los 8 conjuntos directamente aquí. Para el resto di la dirección de origen; no eliminé ninguno en silencio.
CC-100 (CommonCrawl türevi; araştırma kullanımı)
CC0 1.0 (kaynak sayfaların kendi hakları sahiplerinde)
CC BY-SA 4.0
CC BY-SA 4.0
CC BY (yalnız CC lisanslı videolar)
MIT/BSD/Apache (yalnız izin veren lisanslı depolar)
Apache/MIT (paket meta-verisinden doğrulanmış)
Expat/BSD/Apache (debian/copyright DEP-5 BEYANI — tahmin değil)
Cada paquete lleva no solo los pesos, sino también el examen congelado con el que se midió y el resultado. Quien mira solo los pesos no puede saber para qué sirven; sin la medición y el examen dentro, lo compartido no es conocimiento sino una pretensión.
Sesi harflere çevirir (CTC). Duymadığını uydurmaz; emin olmadığı yeri boş bırakır. ÖLÇÜLDÜ: kelime düzeyinde henüz kullanışlı değil.
69 saat / 1.543 konuşmacıyla eğitildi. Aynı sınavda transformer'ın gerisinde kaldı — mimarinin veriden daha belirleyici olduğunun kanıtı.
Ambos paquetes puntúan mal, y justo por eso se publican: el estándar que vale la pena difundir no es “comparte buenos modelos” sino “comparte tu medición junto con tu defecto”.
Esta lista es la salida de la herramienta de medición; no se escribió a mano ni se filtró. Cada fuente que no alcanzó su objetivo figura aquí como carencia, en lugar de completarse en silencio con otra.
Una página que omite esto se ve mejor que una que lo incluye. Pero no sería verdadera.
Los puntajes medidos de las capacidades surgidas de este corpus están en otra página: 6 medidas, 3 aún sin medir.
El valor que ves en la página y el del archivo son el mismo; ambos se producen de una sola fuente.