MicPie/unpredictable_cluster23

UnpredicTable-cluster23数据集是UnpredicTable数据集的一个子集，专注于从网络表格中提取的少量任务，旨在通过微调提升语言模型在少量样本学习上的表现。该数据集包含多个版本和基于不同标准的子集，如网站来源、聚类和人工质量评级。支持多种任务，包括多项选择、问答、文本生成和分类。数据集为单语种，仅包含英语内容。

原始信息汇总

数据集概述

数据集名称

• 名称: UnpredicTable-cluster23
• 别名: UnpredicTable

数据集描述

• 概述: UnpredicTable 数据集包含从网页表格格式化而来的少量样本任务，用于微调语言模型以提高其在少量样本学习（few-shot learning）上的表现。
• 版本: 数据集有多个版本，包括 UnpredicTable-full, UnpredicTable-unique, UnpredicTable-5k 以及基于人类质量评级的子集和基于网站来源的子集。

支持的任务

• 任务类型: 多选题、问答、零样本分类、文本到文本生成、表格问答、文本生成、文本分类、表格分类等。
• 用途: 用于改进模型在少量样本学习上的表现。

语言

• 主要语言: 英语

数据集结构

• 数据实例: 每个任务以JSON行文件形式表示，包含多个少量样本示例，每个示例包含task, input, options, output等字段。
• 数据字段: 包括任务标识、输入字段、选项、输出字段等。
• 数据分割: 数据集未提供额外的数据分割。

数据集创建

• 采集理由: 用于研究训练数据与少量样本学习之间的关系。
• 源数据: 数据来源于WDC Web Table Corpus 2015的英语关系子集。
• 注释: 仅对特定子集进行了人工质量评级注释。

使用数据的考虑

• 社会影响: 数据集包含高质量和低质量数据，以及可能不真实或不适当的内容，不适合直接用于决策关键或用户面对的场景。
• 偏见讨论: 数据集可能包含有害偏见和有毒文本，模型训练时需注意。

附加信息

• 数据集维护者: Jun Shern Chan, Michael Pieler, Jonathan Jao, Jérémy Scheurer, Ethan Perez
• 许可证: Apache 2.0
• 引用信息: 请参考提供的文献引用格式。