hgissbkh/ALMA-Preference-Multi-System-XCOMET-Choose-Base

该数据集包含多个字段，主要涉及语言对（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）、被选中的翻译（chosen）、基础翻译（base）等。此外，还包含多个评估指标的分数，如chrf、bleu、xcomet、kiwi等。数据集仅包含一个训练集划分，共有20575个样本，总大小为17642809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_system: 字符串类型
• chosen_system: 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: 17642809
  • 样本数: 20575

数据集大小

• 下载大小: 11623514 字节
• 数据集大小: 17642809 字节

配置

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