Hugging Face · Static Space

Phân tích Dataset tiếng Việt — AI V10.3.1

Đọc trực tiếp các trường dữ liệu, kiểm tra bản ghi và xác định cách chuẩn hóa cho Supervised Fine-Tuning (SFT).

1. Chọn dataset

Dataset trong danh sách Hoặc nhập Dataset ID khác

Chọn dataset và nhấn “Đọc và phân tích”.

2. Thông tin và các trường dữ liệu

Config / Split Bắt đầu từ bản ghi Số bản ghi kiểm tra

Tên trường	Kiểu dữ liệu	Vai trò SFT đề xuất	Có dữ liệu trong mẫu	Ví dụ giá trị

4. AI Topic Analysis — Chạy trực tiếp

Chọn model miễn phí, đọc từng bản ghi trực tiếp từ Hugging Face, phân loại instruction tiếng Việt và cập nhật thống kê ngay khi chạy. Chủ đề được AI dự đoán theo nội dung, không theo tên dataset.

Model AI (chạy trên thiết bị của bạn) Thiết bị chạy AI Phạm vi Dataset Split Số bản ghi

Đang khởi tạo AI V10.3.1... Nếu dòng này không thay đổi, mã JavaScript chưa được nạp; vui lòng tải lại trang.

Nhấn “Kiểm tra kết nối” để thử /splits, /rows và /first-rows. Nếu lỗi, copy URL /rows hiển thị trong bảng và mở ở tab trình duyệt mới.

Embedding: điểm số là mức độ tương đồng ngữ nghĩa, không phải xác suất chính xác. mDeBERTa chạy nhiều phép so sánh hơn nên chậm hơn. Dữ liệu gated/private (401/403) không thể đọc từ Static Space.

Categories — 8 nhóm lớn

Tổng hợp những instruction đã được AI phân loại thực tế.

Datasets

Số bản ghi gốc thực tế đã quét, không phải số instruction.

Chủ đề chi tiết được AI phát hiện

Nhóm	Chủ đề	Instruction	Tỷ lệ
Chưa chạy AI.

Tiến độ theo Dataset

Dataset	Đã đọc	Tổng nguồn	Tiến độ	Instructions	Trạng thái
Chưa có kết quả.

Chi tiết tiến độ theo config/split (đã đọc, tổng nguồn, lỗi)

Dataset	Config / split	Đã đọc	Tổng nguồn	Trạng thái
Chưa chạy.

Đọc toàn bộ bản ghi có thể truy cập qua Dataset Viewer API, từng trang 100 dòng và lưu tiến độ vào IndexedDB sau mỗi trang, không cắt CSV ở 20.000 instruction. Dữ liệu chỉ được xem là đầy đủ khi đọc hết các split và không có lỗi API. Những split bị lỗi được giữ để thử lại, không được tự bỏ qua hoặc thay bằng 100 dòng preview. Nếu Viewer giới hạn dữ liệu nguồn, cần chuyển sang Python streaming để xử lý đủ. Đóng tab, giới hạn dung lượng lưu trữ hoặc dataset bị khóa có thể khiến quét chưa hoàn thành; mở lại trang để tiếp tục. Để tải file CSV rất lớn, dùng Chrome/Edge hỗ trợ lưu trực tiếp xuống ổ đĩa.