orionweller/instruction-msmarco-passage-aug-75-percent

该数据集包含用于训练的信息检索模型的数据，主要包括查询ID（query_id）、查询内容（query）、正面相关文档（positive_passages）和负面相关文档（negative_passages）。每个文档包含文档ID（docid）、文本内容（text）和标题（title）。数据集分为训练集，包含491,007个示例，总大小为6,215,228,060字节。

This dataset contains data for training information retrieval models, including query ID (query_id), query content (query), positive relevant documents (positive_passages), and negative relevant documents (negative_passages). Each document includes a document ID (docid), text content (text), and title (title). The dataset is divided into a training set, containing 491,007 examples, with a total size of 6,215,228,060 bytes.

原始信息汇总

数据集概述

数据集特征

• query_id: 字符串类型
• query: 字符串类型
• positive_passages: 列表类型
  • docid: 字符串类型
  • text: 字符串类型
  • title: 字符串类型
• negative_passages: 列表类型
  • docid: 字符串类型
  • text: 字符串类型
  • title: 字符串类型

数据集分割

• train:
  • 字节数: 6215228060
  • 样本数: 491007

数据集大小

• 下载大小: 3542390072 字节
• 数据集大小: 6215228060 字节

配置

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