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

该数据集包含多个特征字段，如语言对（lp）、源语言（src_lang）、目标语言（tgt_lang）、源文本（src）、参考文本（ref）、被拒绝的翻译（rejected）、选择的翻译（chosen）、基础翻译（base）等。此外，还包含多个翻译质量评估指标，如chrf、bleu、xcomet、kiwi等。数据集包含一个训练集，共有20575个样本，文件大小为17292397字节。

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: 包含20575个样本，占用17292397字节

数据集大小

• 下载大小: 11710566字节
• 数据集大小: 17292397字节

配置

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