hgissbkh/ALMA-Preference-Multi-xCOMET-QE

该数据集包含多个与翻译相关的特征字段，如语言对、源语言、目标语言、源文本、参考文本、被拒绝的翻译、被选中的翻译等。此外，还包含多个用于评估翻译质量的评分字段，如rejected_xcomet、chosen_xcomet、base_xcomet等。数据集包含一个训练集，共有20575个样本，文件大小为17248330字节。

This dataset contains multiple features related to translation, such as language pair, source language, target language, source text, reference text, rejected translation, chosen translation, etc. Additionally, it includes multiple scoring fields for evaluating translation quality, such as rejected_xcomet, chosen_xcomet, base_xcomet, etc. The dataset contains a training set with 20,575 samples and a file size of 17,248,330 bytes.

原始信息汇总

数据集概述

数据集信息

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_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
• rejected_chrf: 浮点数类型
• chosen_chrf: 浮点数类型
• base_chrf: 浮点数类型

数据分割

• train:
  • 字节数: 17248330
  • 样本数: 20575

数据集大小

• 下载大小: 11147021 字节
• 数据集大小: 17248330 字节

配置

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