Dataset · Hugging Face

ibnsina-llm/synthetic-persian-v1

Name: synthetic-persian-v1
Creator: ibnsina-llm
License: apache-2.0
Keywords: task_categories:text-generation, language:fa, license:apache-2.0, size_categories:100K<n<1M, format:parquet, modality:tabular, modality:text, library:datasets, library:dask, library:polars, library:mlcroissant, region:us, persian, farsi, synthetic

IbnSina Synthetic Persian Corpus v1 Sina Meraji · ORCID 0009-0002-8028-1932 · github.com/sinameraji پیکرهٔ مصنوعی فارسی ابن‌سینا (نسخهٔ ۱) — ۲٫۰۷۵ میلیارد توکن متن آموزشیِ فارسی که از ابتدا به فارسی تولید شده است، نه ترجمه از انگلیسی. این پیکره برای پوشش حوزه‌هایی ساخته شده که وبِ فارسی در آن‌ها کم‌مایه است: توضیح مفاهیم علمی و مهندسی، مسئله‌های حل‌شدهٔ ریاضی و فیزیک، زنجیره‌های استدلال، و متن‌های علمی-پزشکی. هر سند را یک داور خودکار با معیارهای سخت‌گیرانه (درستیِ محاسبه‌ها،… See the full description on the dataset page: https://huggingface.co/datasets/ibnsina-llm/synthetic-persian-v1.

View on Hugging FaceReport an issue

Author / organization	ibnsina-llm
License (as declared)	apache-2.0
Downloads	164 (as reported by Hugging Face)
Likes	2
Created	2 September 2026
Last updated at source	2 September 2026

persianfarsisyntheticpretrainingibnsina

Embed this entry

<iframe src="https://silytics.si/embed/item/a2844ee7-949d-4644-acbe-febafc1dc704" width="420" height="190" style="border:0" loading="lazy" title="Silytics entry"></iframe>

Free, no tracking. More about feeds and embeds.

Popularity, last 3 days

164 now (-10 since 2026-10-16). Counts as reported by the source, snapshotted daily by Silytics.

Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 18 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.