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

该数据集主要用于机器翻译和文本评估任务，包含多种语言对和文本样本，以及用于评估翻译质量的多个评分指标。数据集结构包括语言信息、文本内容和评分结果，适用于训练和评估翻译模型。

This dataset is primarily used for machine translation and text evaluation tasks, containing various language pairs and text samples, as well as multiple scoring metrics for evaluating translation quality. The dataset structure includes language information, text content, and scoring results, suitable for training and evaluating translation 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:
  • 字节数: 16808562
  • 样本数: 20575

数据集大小

• 下载大小: 11170743 字节
• 数据集大小: 16808562 字节

配置

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