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

该数据集包含多种语言对的翻译数据，每个样本包括源语言、目标语言、源文本、参考文本、被拒绝的翻译、选择的翻译和基础翻译。此外，数据集还提供了多种翻译质量评估指标，如chrf、bleu、xcomet和kiwi等。数据集包含一个训练集，共有20575个样本。

This dataset contains translation data for multiple language pairs. Each sample includes the source language, target language, source text, reference text, rejected translation, chosen translation, and base translation. Additionally, the dataset provides various translation quality evaluation metrics such as chrf, bleu, xcomet, and kiwi. The dataset includes a training set with a total of 20,575 samples.

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: 17284430
  • 样本数: 20575

数据集大小

• 下载大小: 11713353 字节
• 数据集大小: 17284430 字节

配置

• default:
  • 数据文件路径: data/train-*