hgissbkh/ALMA-Preference-Mono-System-XCOMET-Choose-High-Reject-Low

该数据集包含多个特征字段，如语言对、源语言、目标语言、源文本、参考翻译、被拒绝的翻译和被选中的翻译等。此外，还包含多个评估指标，如chrf、bleu、xcomet和kiwi等，用于评估翻译质量。数据集只有一个训练集，包含20575个样本，文件大小为17363249字节。

The dataset contains multiple feature fields such as language pair, source language, target language, source text, reference translation, rejected translation, and chosen translation. Additionally, it includes multiple evaluation metrics such as chrf, bleu, xcomet, and kiwi for assessing translation quality. The dataset has only one training set with 20575 samples and a file size of 17363249 bytes.

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:
  • 字节数: 17363249
  • 样本数: 20575

数据集大小

• 下载大小: 11760863 字节
• 数据集大小: 17363249 字节

配置

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