nthakur/miracl-raft-eval

该数据集包含多种语言配置（如阿拉伯语、孟加拉语、德语、英语），每个配置下包含多个特征，如查询ID、提示文本、正负样本ID、模型输出等。数据集旨在用于语言检测、模型评估和其他相关任务。每个特征都有明确的类型定义，如字符串、序列、列表等。此外，数据集还提供了不同语言配置下的开发集大小和下载大小。

原始信息汇总

数据集概述

配置名称：ar

• 特征:
  • query_id: 数据类型为string。
  • prompt: 数据类型为string。
  • positive_ids: 数据类型为sequence，子类型为string。
  • negative_ids: 数据类型为sequence，子类型为string。
  • outputs: 数据类型为list，包含以下子特征：
    • model: 数据类型为string。
    • output: 数据类型为string。
  • language_detection: 数据类型为struct，包含多个子特征，每个子特征的数据类型为float64。
  • en_detection: 数据类型为struct，包含多个子特征，每个子特征的数据类型为float64。
  • other_detection: 数据类型为struct，包含多个子特征，每个子特征的数据类型为float64。
  • citation_MAP@6: 数据类型为struct，包含多个子特征，每个子特征的数据类型为float64。
  • citation_Recall@6: 数据类型为struct，包含多个子特征，每个子特征的数据类型为float64。
  • xlni_context_entailment: 数据类型为struct，包含多个子特征，每个子特征的数据类型为float64。
  • xlni_context_neutral: 数据类型为struct，包含多个子特征，每个子特征的数据类型为float64。
  • xlni_context_contradiction: 数据类型为struct，包含多个子特征，每个子特征的数据类型为float64。
  • answer_bleu: 数据类型为struct，包含多个子特征，每个子特征的数据类型为float64。
  • answer_rougeL: 数据类型为struct，包含多个子特征，每个子特征的数据类型为float64。
  • gpt-4-azure-judge: 数据类型为struct，包含多个子特征，每个子特征的数据类型为int64。
• 分割:
  • dev.small: 大小为1339278字节，包含100个示例。
• 下载大小: 630628字节。
• 数据集大小: 1339278字节。

配置名称：bn

• 特征:
  • 与配置ar相同。
• 分割:
  • dev.small: 大小为1734420字节，包含100个示例。
• 下载大小: 648804字节。
• 数据集大小: 1734420字节。

配置名称：de

• 特征:
  • 与配置ar相同。
• 分割:
  • dev.small: 大小为971211字节，包含100个示例。
• 下载大小: 512559字节。
• 数据集大小: 971211字节。

配置名称：en

• 特征:
  • 与配置ar相同。
• 分割:
  • dev.small: 大小未提供，包含100个示例。
• 下载大小: 未提供。
• 数据集大小: 未提供。

以上概述提供了各个配置下的数据集特征、分割信息以及大小详情。