该数据集经过精心设计，旨在微调 Gemma 2 语言模型，以生成印地语教育内容，专门针对 3 年级至 10 年级的科学主题。该数据集使用印地语 NCERT 教科书构建，由三个结构化组件组成，可实现有效的语言模型训练。
数据集组件
1. 图书数据
包含 3 年级至 10 年级印地语 NCERT 科学教科书的 PDF 文件。
这些文件被用作数据集的主要来源。
2.半结构化数据
通过提取和构造书籍内容创建的 JSON 文件。
每个文件都遵循一致的模式：
class_level：类别级别（例如 3、4、...、10）。
chapter_number：书中的章节编号。
chapter_title：章节标题。
主题：章节的子部分及其相应的描述。
key_points：总结本章的要点。
qa_pairs：用于测试理解能力的问答对。
exhausted_narration：每个章节的详细解释。
旁白：概括章节内容。
这些中间数据确保了下游处理的清晰度和灵活性。
