综合园艺维基数据集
数据来源：互联网公开数据
标签：园艺,维基,植物学,合成数据,语义分离,自然语言处理,测试数据,机器学习
数据概述：
本数据集是一个实验性的合成数据集，基于小型维基百科中关于园艺和植物学的条目集合。数据内容由Claude Opus和Haiku进行语义分离，并使用“”和“”等分隔符，这些分隔符已被证明能提高大型语言模型的准确性。数据集目前相对较小，主要用于合成数据生成的测试，未来计划逐步扩大。数据集包含954个条目，总计约170,000字，其中包括来自Plantspedia的某些条目。所有条目均已清理，去除了类似“Here's the amended text…”的引言、特殊字符、转义字符和空网站链接。
数据用途概述：
该数据集适用于测试检索增强生成（RAG）系统或大型语言模型（LLM）的训练。研究人员和开发者可以使用此数据集来评估和改进RAG系统的性能，或者作为LLM的训练数据，以提高模型在园艺和植物学领域文本处理方面的准确性。
