hgissbkh/ALMA-Preference-Mono-xCOMET-QE-Choose-High-Reject-High

该数据集包含多个字段，主要涉及语言对（lp）、源语言（src_lang）、目标语言（tgt_lang）、源文本（src）、参考文本（ref）、被拒绝的翻译（rejected）、选择的翻译（chosen）、基础翻译（base）等。此外，还包含一些评分字段，如rejected_xcomet、chosen_xcomet等，用于评估翻译质量。数据集仅包含一个train分割，共有20575个样本，总大小为16828532字节。

This dataset is primarily used for machine translation and text evaluation, containing multiple language pairs and text samples, as well as various metrics for assessing translation quality. The dataset is divided into a training set, suitable for training machine translation models and evaluation models.

原始信息汇总

数据集概述

数据集特征

• lp: 字符串类型
• src_lang: 字符串类型
• tgt_lang: 字符串类型
• src: 字符串类型
• ref: 字符串类型
• rejected: 字符串类型
• chosen: 字符串类型
• base: 字符串类型
• rejected_xcomet: 浮点数类型
• chosen_xcomet: 浮点数类型
• base_xcomet: 浮点数类型
• rejected_kiwi: 浮点数类型
• chosen_kiwi: 浮点数类型
• base_kiwi: 浮点数类型
• rejected_chrf: 浮点数类型
• chosen_chrf: 浮点数类型
• base_chrf: 浮点数类型

数据集分割

• train: 包含20575个样本，占用16828532字节

数据集大小

• 下载大小: 11153232字节
• 数据集大小: 16828532字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*