Ashmal commited on
Commit
479e4e8
1 Parent(s): 476012a

Create README.md

Browse files
Files changed (1) hide show
  1. README.md +49 -0
README.md ADDED
@@ -0,0 +1,49 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: apache-2.0
3
+ task_categories:
4
+ - text-classification
5
+ language:
6
+ - ar
7
+ tags:
8
+ - pretraining
9
+ - Arabic
10
+ size_categories:
11
+ - 1K<n<10K
12
+ ---
13
+
14
+ **Dataset**
15
+
16
+ MMLU_SyntheticData is generated using GPT-4. The aim of generating this dataset was to generate a similar dataset to MMLU.
17
+ *Note*: Please note that this is not the translated version of MMLU, it's an entirely independent dataset.
18
+
19
+ **Subjects**
20
+
21
+ It has the data of the following subjects:
22
+ 1) Humanities ['Islamic Studies', 'Law', 'History', 'Philosophy']
23
+ 2) Language ['Arabic Language', 'Arabic Language (General)', 'Arabic Language (Grammar)']
24
+ 3) Other ['General Knowledge', 'Management', 'Driving Test']
25
+ 4) STEM (Science, Technology, Engineering, and Mathematics) ['Natural Science', 'Computer Science', 'Biology', 'Physics', 'Math']
26
+ 5) Social Science ['Social Science', 'Political Science', 'Economics', 'Geography', 'Accounting', 'Civics']
27
+
28
+ *OR*
29
+ 1) العلوم الإنسانية ['الدراسات الإسلامية', 'القانون', 'التاريخ', 'الفلسفة']
30
+ 2) اللغة ['اللغة العربية', 'اللغة العربية (عام)', 'اللغة العربية (قواعد)']
31
+ 3) أخرى ['المعرفة العامة', 'الإدارة', 'اختبار القيادة']
32
+ 4) العلوم التكنولوجية والهندسية والرياضيات (STEM) ['العلوم الطبيعية', 'علوم الحاسوب', 'علم الأحياء', 'الفيزياء', 'الرياضيات']
33
+ 5) العلوم الاجتماعية ['العلوم الاجتماعية', 'العلوم السياسية', 'الاقتصاد', 'الجغرافيا', 'المحاسبة', 'التربية المدنية']
34
+
35
+ **Generation Process**
36
+
37
+ 1) The subjects (above) are taken from the [ArabicMMLU](https://huggingface.co/datasets/MBZUAI/ArabicMMLU) Dataset.
38
+ 2) For each Category under the subject, I generated a list of Sub-Topics using GPT-4. The list of sub-topics can be found in the *mmlu_topics.json* file.
39
+ 3) For each Sub-Topic, I generated the data for them using the GPT-4 again.
40
+
41
+ **Data Sample**
42
+ ```python
43
+ {
44
+ "MMLU_Topic":"Humanities",
45
+ "Category":"Islamic Studies",
46
+ "Subtopic":"علم القرآن",
47
+ "Text":"علم القرآن هو العلم الذي يتعامل مع القرآن الكريم، كتاب الله الذي أُنزل على النبي محمد صلى الله عليه وسلم، وهو مصدر الشريعة الإسلامية والمرجع الأساسي لكل مسلم. يهتم علم القرآن بدراسة القرآن من جميع الجوانب؛ من حيث النزول والتجويد والتفسير والترجمة والعقيدة والفقه والأخلاق والسيرة والتاريخ واللغة والأدب. علم القرآن يشمل عدة فروع، أهمها: علم التفسير، الذي يتعامل مع توضيح معاني القرآن والشرح والبيان لأحكامه ومقاصده. وعلم التجويد، الذي يتعامل مع قواعد النطق الصحيح لحروف القرآن والقواعد المتعلقة بالوقف والابتداء. وعلم القراءات، الذي يتعامل مع الطرق المختلفة التي قرأ بها القرآن. وعلم الناسخ والمنسوخ، الذي يتعامل مع الآيات التي نُسخت أحكامها بآيات أُخرى. كما يشمل علم القرآن العديد من الموضوعات الأخرى، مثل: دراسة الأسباب التي أدت إلى نزول القرآن، والمواضع التي نزلت فيها الآيات، والأحداث التي حدثت في زمن النزول، والأشخاص الذين ذكروا في القرآن، والأمثلة والقصص التي وردت في القرآن، والأحكام الشرعية التي استخرجت من القرآن، والقواعد الأخلاقية والاجتماعية التي تعلمناها من القرآن، والعقائد الإسلامية التي أكدتها القرآن، والمعجزات العلمية التي أشار إليها القرآن. علم القرآن هو علم عميق وشامل، يتطلب الكثير من الدراسة والبحث والتأمل. فالقرآن ليس فقط كتاباً للقراءة، بل هو دليل للحياة، يحتوي على حكمة وهداية ورحمة للبشرية. ولذلك، فإن فهم القرآن وتفسيره وتطبيقه بشكل صحيح هو مهمة ضرورية لكل مسلم. وعلم القرآن هو الطريق الذي يقودنا إلى هذا الفهم وهذا التطبيق."
48
+ }
49
+ ```