TyDiQA

该数据集包含了204K个问答对，覆盖了11种在类型学上各异的语言。它专注于那些在仅包含英语的语料库中找不到的语言现象。这些问题是由不知道答案的人编写的，并在每种语言中直接收集，未经翻译。该数据集的任务是问答。