philschmid/easyrag-mini-wikipedia

EasyRag评估数据集用于评估RAG（Retrieval-Augmented Generation）管道。该数据集包含约900个来自Wikipedia文章的问题和真实答案。此外，数据集还包含一个用于检索的文档配置。用户可以通过索引文档并使用问题和真实答案来评估其RAG管道的性能。该数据集基于Kaggle上的Question-Answer Dataset进行了修改，并遵循CC BY-SA 3.0许可证。

原始信息汇总

EasyRag eval dataset for Wikipedia

数据集概述

配置信息

• documents

  • 特征
    • document: 数据类型为 string
  • 分割
    • full: 字节数为 1263393，示例数为 3200
  • 下载大小: 782809 字节
  • 数据集大小: 1263393 字节

• questions

  • 特征
    • question: 数据类型为 string
    • ground_truth: 数据类型为 string
  • 分割
    • full: 字节数为 73702，示例数为 918
    • mini_100: 字节数为 8028.5403050108935，示例数为 100
  • 下载大小: 56533 字节
  • 数据集大小: 81730.54030501089 字节

数据文件配置

• documents

  • full: 路径为 documents/full-*

• questions

  • full: 路径为 questions/full-*
  • mini_100: 路径为 questions/mini_100-*

数据集来源

该数据集源自 Question-Answer Dataset，并经过轻微修改为 rag-datasets/mini_wikipedia。

许可信息

该修改数据集遵循 CC BY-SA 3.0 许可协议，与源数据集的许可一致。