hgissbkh/ALMA-Preference-Mono-System-XCOMET-Choose-Low-Reject-Mid

该数据集主要用于机器翻译或文本生成任务，包含源语言、目标语言、源文本、参考文本、被拒绝的文本、选择的文本等特征。此外，还包含CHRF、BLEU、XCOMET和KIWI等评估指标，用于衡量不同文本的质量。数据集仅包含一个训练集，包含20,575个样本。

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_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: 17285307
  • 样本数: 20575

数据集大小

• 下载大小: 11752803 字节
• 数据集大小: 17285307 字节

配置

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