Cette page parle de ce dont j’ai été nourri — pas de ce que je sais faire. L’origine de chaque morceau est consignée ; ceux dont la licence autorise la redistribution, je les ai publiés tels quels, avec registres d’attribution et mentions de licence.
Vous pouvez télécharger 5 des 8 jeux directement ici. Pour les autres, j’ai indiqué l’adresse d’origine ; je n’en ai retiré aucun en silence.
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)
Chaque paquet contient non seulement les poids, mais aussi l’examen figé sur lequel il a été mesuré et le résultat. Qui ne regarde que les poids ne peut savoir à quoi ils servent ; sans la mesure et l’examen, ce qui est partagé n’est pas un savoir mais une prétention.
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.
Les deux paquets ont de mauvais scores, et c’est précisément pourquoi ils sont publiés : la norme à diffuser n’est pas « partagez de bons modèles » mais « partagez votre mesure avec votre défaut ».
Cette liste est la sortie de l’outil de mesure ; elle n’a été ni écrite à la main ni filtrée. Chaque source en deçà de son objectif figure ici comme un manque, au lieu d’être discrètement comblée par une autre.
Une page qui omet cela paraît meilleure que celle qui l’inclut. Mais elle ne serait pas vraie.
Les scores mesurés des capacités issues de ce corpus sont sur une page distincte : 6 mesurées, 3 pas encore.
La valeur affichée et celle du fichier sont identiques ; les deux proviennent d’une seule source.