ORCA

ORCA数据集是由不列颠哥伦比亚大学的深度学习和自然语言处理组创建的，旨在为阿拉伯语言理解提供一个挑战性和多样化的评估基准。该数据集包含60个公开可用的数据集，这些数据集被组织成七个任务集群，包括句子分类、结构预测、主题分类、语义文本相似性、自然语言推理、问答和词义消歧。ORCA数据集的设计考虑到了阿拉伯语言的丰富性和多样性，包括现代标准阿拉伯语和方言阿拉伯语。此外，数据集还提供了详细的统计分析和模型评估，以及一个交互式的公共排行榜，以促进阿拉伯和多语言自然语言处理领域的进步。