tydiqa

TyDi QA 覆盖了11种类型多样的语言，包含20.4万个问答对，主要用于信息检索型问答任务。数据来源于众包，问题由想要知道答案的人编写，直接以各种语言收集，避免了翻译带来的问题。数据集分为primary_task和secondary_task两种配置，包含训练集和验证集，并提供文本、标题、问题、答案等字段。该数据集采用Apache 2.0授权许可。