日本の官公庁にある「よくある質問」をデータセットにまとめました｜松xRのnoteLLMをチューニングするにあたって、質の良い日本語のInstructionデータセットがあるといいなぁと思いました。そこで、日本の官公庁のWebサイトから「よくある質問」を手作業で抽出し、およそ22000件の質問と応答の形になっているデータセットとしてまとめました。 省庁の中でも、CC-BY-4.0（国際）互換のライセンスである「政府標準利用規約（第2.0版）」が明示されている組織からだけ取得しているので、本データセットもCC-BY-4.0（国際）として利用できます。商用利用も可能です。著作権者は各省庁です。 ただ、自然言語処理なんてやったこともない素人が作ったデータセットなので、まだまだ改良の余地があるような気がします。よろしければぜひ、改良のためのアドバイスをいただけると嬉しいです！ 正月休み、お時間のある方は、ぜひ試してみていただければ幸いです。 このデータセットについてこのデータは
