hgissbkh/ALMA-Preference-Multi-System-No-Reference-BLEU

该数据集包含多个字段，主要涉及源语言（src_lang）、目标语言（tgt_lang）、源文本（src）、参考翻译（ref）、被拒绝的翻译（rejected）、选择的翻译（chosen）等。此外，还包括多个翻译质量评估指标，如CHRF、BLEU、XCOMET和KIWI分数。这些字段表明数据集可能用于机器翻译模型的训练和评估，特别是涉及翻译质量比较和选择的场景。

The dataset contains multiple fields, including source language (src_lang), target language (tgt_lang), source text (src), reference translation (ref), rejected translation (rejected), chosen translation (chosen), and several translation quality evaluation metrics such as CHRF, BLEU, XCOMET, and KIWI scores. These fields suggest that the dataset is likely used for training and evaluating machine translation models, particularly in scenarios involving translation quality comparison and selection.

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_system: 字符串类型
• chosen_system: 字符串类型
• rejected_chrf: 浮点数类型
• chosen_chrf: 浮点数类型
• base_chrf: 浮点数类型
• rejected_bleu: 浮点数类型
• chosen_bleu: 浮点数类型
• base_bleu: 浮点数类型
• 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

数据集分割

• train:
  • 字节数: 17740475
  • 样本数: 20575

数据集大小

• 下载大小: 11819986 字节
• 数据集大小: 17740475 字节

配置

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