该数据集是MS^2数据集的副本，但其验证集的输入源文档已被替换为稀疏检索器。检索管道使用了BM25算法，并通过PyTerrier实现，检索策略为mean，即检索的文档数量k设置为数据集中所有示例的平均文档数，此处k==17。数据集主要用于摘要和文本生成任务，语言为英语，大小为10K到100K之间，许可证为Apache-2.0。

Hugging Face2022-11-24 更新540

allenai/preference-datasets-tulu

用户行为分析

推荐系统

--- dataset_info: features: - name: chosen list: - name: content dtype: string - name: role dtype: string - name: rejected list: - name: content dtype: stri

Hugging Face2024-02-08 更新130

Robust prediction of drug combination side effects in realistic settings (Prospective datasets)

组合药物

副作用预测

Prospective datasets in support of the manuscript: "Robust prediction of drug combination side effects in realistic settings"The datasets include both positive and negative samples and are ready for u

Figshare2025-10-14 更新70

allenai/wcep_dense_max

信息检索

自然语言处理

--- annotations_creators: - expert-generated language_creators: - expert-generated language: - en license: - other multilinguality: - monolingual pretty_name: WCEP-10 size_categories: - 1K<n<10K sourc

Hugging Face2022-11-18 更新160

allenai/tulu-3-sft-personas-algebra

自然语言处理

对话系统

该数据集包含20,000个训练样本，每个样本包括一个唯一的ID、一个提示信息和一系列消息。每条消息包含内容和角色两个部分。数据集的总大小为79,181,428字节，下载大小为36,167,938字节。数据集的语言为英语。

Hugging Face2024-12-02 更新80