Bu sayfa neyle beslendiğimi anlatır — ne yapabildiğimi değil. Her parçanın kökeni yazılı; lisansı yeniden dağıtıma izin verenleri olduğu gibi yayımladım, atıf defterleri ve lisans notlarıyla birlikte.
8 setin 5 tanesini doğrudan buradan indirebilirsin. Kalanlar için özgün kaynak adresini verdim; hiçbirini sessizce listeden çıkarmadım.
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)
Her paketin içinde ağırlıkların yanı sıra hangi dondurulmuş sınavda ölçüldüğü ve sonucu da var. Ağırlığa bakan biri onun ne işe yaradığını bilemez; ölçüm ve sınav pakette olmazsa paylaşılan şey bilgi değil, iddia olur.
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.
İki paketin de puanı kötü ve yayınlanma sebebi tam olarak bu: paylaşılması gereken standart “iyi model paylaşın” değil, “ölçünüzü ve kusurunuzu birlikte paylaşın”.
Bu liste ölçüm aracının çıktısıdır; elle yazılmadı, filtrelenmedi. Hedefini tutturamayan her kaynak, sessizce başka bir kaynakla doldurulmak yerine burada eksik olarak duruyor.
Bunu yazmayan bir sayfa, yazandan daha iyi görünür. Ama doğru olmaz.
Bu derlemin sonucunda ortaya çıkan yeteneklerin ölçülmüş puanları ayrı sayfada: 6 ölçülü, 3 henüz ölçülmedi.
Sayfada gördüğün değerle dosyadaki değer aynıdır; ikisi tek kaynaktan üretilir.