nthakur/miracl-raft-instruct-only-pos

该数据集包含多种语言（如阿拉伯语、孟加拉语、英语等）的配置，每个配置的特征包括查询ID、文档ID、提示、正面ID、负面ID和文档内容。文档内容包含文档ID、文本和标题。数据集主要用于训练，每个配置的训练集大小和下载大小也有所不同。

原始信息汇总

数据集概述

数据集配置信息

阿拉伯语 (ar)

• 特征:
  • query_id: 字符串
  • doc_ids: 字符串序列
  • prompt: 字符串
  • positive_ids: 字符串序列
  • negative_ids: 空值
  • documents: 列表，包含
    • docid: 字符串
    • text: 字符串
    • title: 字符串
• 分割:
  • train:
    • 字节数: 15117911
    • 示例数: 3495
• 下载大小: 6867728
• 数据集大小: 15117911

孟加拉语 (bn)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 14238382
    • 示例数: 1631
• 下载大小: 4979386
• 数据集大小: 14238382

英语 (en)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 12364231
    • 示例数: 2863
• 下载大小: 6823687
• 数据集大小: 12364231

西班牙语 (es)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 11779009
    • 示例数: 2162
• 下载大小: 6763338
• 数据集大小: 11779009

波斯语 (fa)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 8657314
    • 示例数: 2107
• 下载大小: 3815521
• 数据集大小: 8657314

芬兰语 (fi)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 7113709
    • 示例数: 2897
• 下载大小: 3813397
• 数据集大小: 7113709

法语 (fr)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 3628640
    • 示例数: 1143
• 下载大小: 1982761
• 数据集大小: 3628640

印地语 (hi)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 7990197
    • 示例数: 1169
• 下载大小: 2910579
• 数据集大小: 7990197

印度尼西亚语 (id)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 18844523
    • 示例数: 4071
• 下载大小: 9921444
• 数据集大小: 18844523

日语 (ja)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 12015421
    • 示例数: 3477
• 下载大小: 6402050
• 数据集大小: 12015421

韩语 (ko)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 2792636
    • 示例数: 868
• 下载大小: 1415431
• 数据集大小: 2792636

俄语 (ru)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 25844100
    • 示例数: 4683
• 下载大小: 12364862
• 数据集大小: 25844100

斯瓦希里语 (sw)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 3041463
    • 示例数: 1901
• 下载大小: 1319544
• 数据集大小: 3041463

泰卢固语 (te)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 16920764
    • 示例数: 3452
• 下载大小: 5638307
• 数据集大小: 16920764

泰语 (th)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 16606637
    • 示例数: 2972
• 下载大小: 5959189
• 数据集大小: 16606637

中文 (zh)

• 特征: 同上
• 分割:
  • train:
    • 字节数: 4149442
    • 示例数: 1312
• 下载大小: 2492922
• 数据集大小: 4149442