DIBT/MPEP_ARABIC

该数据集是通过Argilla创建的，包含一个符合Argilla数据集格式的配置文件`argilla.yaml`，以及兼容HuggingFace `datasets`库的记录。数据集的结构包括字段、问题、建议、元数据和注释指南。数据集的主要用途是翻译任务，包含一个文本字段`source`和一个翻译问题`target`。数据集还提供了加载数据集到Argilla和`datasets`库的代码示例。

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称: MPEP_ARABIC
• 数据集大小: n<1K
• 标签: rlfh, argilla, human-feedback

数据集描述

数据集内容

• 配置文件: 包含一个名为argilla.yaml的配置文件，符合Argilla数据集格式。
• 数据记录: 格式兼容HuggingFace datasets，可通过FeedbackDataset.from_huggingface方法自动加载。
• 标注指南: 提供翻译文本的指南。

加载方式

• 使用Argilla加载: 通过安装Argilla并使用以下代码加载数据集： python import argilla as rg ds = rg.FeedbackDataset.from_huggingface("DIBT/MPEP_ARABIC")

• 使用datasets库加载: 通过安装datasets库并使用以下代码加载数据集： python from datasets import load_dataset ds = load_dataset("DIBT/MPEP_ARABIC")

数据集结构

• 字段: 目前仅支持文本字段。
  • source: 文本类型，必需。
• 问题: 向标注者提出的问题，支持多种类型。
  • target: 文本类型，必需，描述为“Translate the text.”。
• 建议: 提供给标注者的建议，与问题关联。
  • target-suggestion: 文本类型，可选。
• 元数据: 提供额外信息，如数据来源等。
• 外部ID: 可选，用于关联外部资源。

数据分割

• 分割: 仅包含train分割。

数据集创建

标注指南

• 翻译任务: 要求翻译文本字段中的内容。

数据字段

• 字段: 数据记录本身，目前仅支持文本字段。
• 问题: 向标注者提出的问题，包括文本翻译等。
• 建议: 提供给标注者的辅助信息，与问题关联。
• 元数据: 提供额外信息，如数据来源、类型等。
• 外部ID: 提供外部资源的关联ID。

数据分割

• 分割: 仅包含train分割。

使用注意事项

• 社会影响: 未提供详细信息。
• 偏见讨论: 未提供详细信息。
• 其他已知限制: 未提供详细信息。