vietdata/contrastive-sentences

该数据集包含用于训练语言模型嵌入的查询、正面和负面示例。每个示例包括一个查询字符串（query）、一个正面响应字符串（positive）和一个负面响应字符串（negative），以及一个标识数据集来源的字符串（dataset）。数据集被分割为训练集（train），包含682,010个示例，总大小为1,339,906,636字节。

This dataset contains queries, positive, and negative examples for training language model embeddings. Each example includes a query string (query), a positive response string (positive), and a negative response string (negative), along with a string identifying the dataset source (dataset). The dataset is split into a training set (train) containing 682,010 examples, with a total size of 1,339,906,636 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• query: 数据类型为字符串。
• positive: 数据类型为字符串。
• negative: 数据类型为字符串。
• dataset: 数据类型为字符串。

数据分割

• train: 包含682010个样本，总字节数为1339906636。

数据集大小

• 下载大小: 798343851字节
• 数据集大小: 1339906636字节

配置

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

引用

@article{springer2024repetition, title={Repetition Improves Language Model Embeddings}, author={Springer, Jacob Mitchell and Kotha, Suhas and Fried, Daniel and Neubig, Graham and Raghunathan, Aditi}, journal={arXiv preprint arXiv:2402.15449}, year={2024} }