CausalMT

该数据集包含了大量由人类标记翻译方向的翻译对，使得研究者能够探究训练测试方向匹配以及数据模型方向匹配对机器翻译性能的影响。此外，该数据集还允许分析翻译文本与自然写作文本在词汇量及冗余性等方面的翻译特征。具体规模上，该数据集涵盖了三个训练集内超过20万对翻译对，两个训练集内超过9万对翻译对，以及一个包含1,000对翻译对的开发集和一个包含2,000对翻译对的测试集。该数据集的任务是用于机器翻译研究。