MangoHiller/race_all_fr

---
license: other
license_name: other
license_link: LICENSE
language:
- fr
multilinguality:
- monolingual
source_datasets:
- https://huggingface.co/datasets/race
pretty_name: RACE_fr
size_categories:
- 10K<n<100K
task_categories:
- multiple-choice
task_ids:
- multiple-choice-qa
---
# Dataset Card for "race_all_fr"

## Table of Contents
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-fields)
- [Data Splits](#data-splits)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)
- [Contributions](#contributions)

## Dataset Description

- **Homepage:** [Original Dataset Homepage](http://www.cs.cmu.edu/~glai1/data/race/)
- **Repository:** [Translated Dataset on Hugging Face](https://huggingface.co/datasets/race_all_fr)
- **Paper:** [Original Dataset Paper](https://arxiv.org/abs/1704.04683)
- **Leaderboard:** [Original Dataset Leaderboard](https://paperswithcode.com/dataset/race)

### Dataset Summary

`race_all_fr` est la version française du dataset [RACE](https://huggingface.co/datasets/race), un large dataset de compréhension de lecture comprenant plus de 28 000 passages et près de 100 000 questions. Le dataset original, conçu pour les étudiants des écoles secondaires et des collèges en Chine, a été traduit en français pour étendre son accessibilité et permettre des recherches en compréhension de lecture dans d'autres langues.

### Supported Tasks and Leaderboards

Les tâches et classements supportés restent identiques à ceux du dataset original RACE, adaptés pour la langue française.

### Languages

Le dataset est entièrement en français.

## Dataset Structure

### Data Instances

Les instances de données sont structurées de manière identique à celles du dataset original RACE, mais traduites en français.

### Data Fields

- `example_id`: un identifiant unique pour chaque exemple.
- `article`: le texte de l'article sur lequel se base les questions.
- `question`: la question posée.
- `options`: les quatre options de réponse fournies, où seulement une est correcte.
- `answer`: la lettre correspondant à la réponse correcte parmi les options.

### Data Splits

La répartition des données (train/validation/test) est la même que celle du dataset RACE original.

## Dataset Creation

### Curation Rationale

Ce dataset a été créé pour étendre les ressources disponibles pour la recherche en traitement automatique des langues (TAL) en français, spécifiquement pour la compréhension de la lecture.

### Source Data

#### Initial Data Collection and Normalization

Les données sources sont identiques à celles du dataset RACE, mais ont été traduites en français.

### Annotations

Les annotations restent inchangées par rapport à l'original, à l'exception de la langue.

### Personal and Sensitive Information

Les considérations sont les mêmes que pour le dataset RACE original.

## Considerations for Using the Data

### Social Impact of Dataset

La traduction de datasets en différentes langues est cruciale pour rendre la recherche en TAL accessible plus largement et pour permettre l'entraînement de modèles multilingues.

### Discussion of Biases

[More Information Needed]

### Other Known Limitations

[More Information Needed]

## Additional Information

Dataset traduit à l'aide de [Large_dataset_translator](https://github.com/vTuanpham/Large_dataset_translator) et l'API Google Translate.

### Licensing Information

Les mêmes licences que le dataset RACE original s'appliquent. Veuillez consulter le [lien suivant](http://www.cs.cmu.edu/~glai1/data/race/) pour plus d'informations.

### Citation Information

Veuillez citer le papier original du dataset RACE lors de l'utilisation de `race_all_fr` :

```bibtex
@inproceedings{lai-etal-2017-race,
title = "{RACE}: Large-scale {R}e{A}ding Comprehension Dataset From Examinations",
author = "Lai, Guokun and
Xie, Qizhe and
Liu, Hanxiao and
Yang, Yiming and
Hovy, Eduard",
booktitle = "Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing",
month = sep,
year = "2017",
address = "Copenhagen, Denmark",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/D17-1082",
doi = "10.18653/v1/D17-1082",
pages = "785--794",
}
```

### Contributions

La traduction de ce dataset a été réalisée par [@MangoHiller](https://huggingface.co/MangoHiller). Pour les contributions originales, veuillez vous référer au dépôt GitHub du dataset RACE : [https://github.com/qizhex/RACE_AR_baselines](https://github.com/qizhex/RACE_AR_baselines).

---
license: 其他
license_name: 其他
license_link: LICENSE
language:
- 法语(fr)
multilinguality:
- 单语言
source_datasets:
- https://huggingface.co/datasets/race
pretty_name: RACE_fr
size_categories:
- 10K<n<100K
task_categories:
- 多项选择
task_ids:
- 多项选择问答
---

# 「race_all_fr」数据集卡片

## 目录
- [数据集描述](#dataset-description)
- [数据集摘要](#dataset-summary)
- [支持任务与排行榜](#supported-tasks-and-leaderboards)
- [语言](#languages)
- [数据集结构](#dataset-structure)
- [数据实例](#data-instances)
- [数据字段](#data-fields)
- [数据划分](#data-splits)
- [数据集构建](#dataset-creation)
- [构建初衷](#curation-rationale)
- [源数据](#source-data)
- [标注信息](#annotations)
- [个人与敏感信息](#personal-and-sensitive-information)
- [数据集使用注意事项](#considerations-for-using-the-data)
- [数据集的社会影响](#social-impact-of-dataset)
- [偏差讨论](#discussion-of-biases)
- [其他已知局限性](#other-known-limitations)
- [附加信息](#additional-information)
- [数据集维护者](#dataset-curators)
- [许可信息](#licensing-information)
- [引用信息](#citation-information)
- [贡献](#contributions)

## 数据集描述

- **主页：** [原始数据集主页](http://www.cs.cmu.edu/~glai1/data/race/)
- **代码仓库：** [Hugging Face上的翻译数据集](https://huggingface.co/datasets/race_all_fr)
- **论文：** [原始数据集论文](https://arxiv.org/abs/1704.04683)
- **排行榜：** [原始数据集排行榜](https://paperswithcode.com/dataset/race)

### 数据集摘要

`race_all_fr` 是数据集[RACE](https://huggingface.co/datasets/race)的法语版本，这是一个大型阅读理解数据集，包含超过28000篇文章和近100000道题目。原始数据集专为中国初高中学生设计，现已被翻译成法语，以提升其可访问性，并推动其他语言的阅读理解研究。

### 支持任务与排行榜

所支持的任务与排行榜与原始RACE数据集一致，仅适配法语语言环境。

### 语言

本数据集全部采用法语。

## 数据集结构

### 数据实例

数据实例的结构与原始RACE数据集完全一致，仅内容已被译为法语。

### 数据字段

- `example_id`：每个数据实例的唯一标识符。
- `article`：作为问题依据的文章文本。
- `question`：提出的问题。
- `options`：提供的四个候选答案，其中仅有一个为正确答案。
- `answer`：候选答案中对应正确答案的字母标识。

### 数据划分

数据集的划分（训练集/验证集/测试集）与原始RACE数据集完全一致。

## 数据集构建

### 构建初衷

本数据集的构建旨在扩充法语自动语言处理(Traitement Automatique des Langues, TAL)领域，尤其是阅读理解方向的可用研究资源。

### 源数据

#### 初始数据收集与标准化

源数据与原始RACE数据集完全一致，仅内容已被译为法语。

### 标注信息

除语言外，标注信息与原始数据集完全一致。

### 个人与敏感信息

相关注意事项与原始RACE数据集一致。

## 数据集使用注意事项

### 数据集的社会影响

将数据集翻译为多种语言，对于扩大自动语言处理(Traitement Automatique des Langues, TAL)研究的覆盖范围，以及支持多语言模型的训练均至关重要。

### 偏差讨论

[需补充更多信息]

### 其他已知局限性

[需补充更多信息]

## 附加信息

本数据集通过[Large_dataset_translator](https://github.com/vTuanpham/Large_dataset_translator)与谷歌翻译API完成翻译。

### 许可信息

本数据集适用与原始RACE数据集相同的许可协议。如需了解更多信息，请参阅[此链接](http://www.cs.cmu.edu/~glai1/data/race/)。

### 引用信息

使用`race_all_fr`数据集时，请引用原始RACE数据集的论文：

bibtex
@inproceedings{lai-etal-2017-race,
title = "{RACE}: Large-scale {R}e{A}ding Comprehension Dataset From Examinations",
author = "Lai, Guokun and
Xie, Qizhe and
Liu, Hanxiao and
Yang, Yiming and
Hovy, Eduard",
booktitle = "Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing",
month = sep,
year = "2017",
address = "Copenhagen, Denmark",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/D17-1082",
doi = "10.18653/v1/D17-1082",
pages = "785--794",
}

### 贡献

本数据集的翻译工作由[@MangoHiller](https://huggingface.co/MangoHiller)完成。如需了解原始数据集的贡献信息，请参阅RACE数据集的GitHub仓库：[https://github.com/qizhex/RACE_AR_baselines](https://github.com/qizhex/RACE_AR_baselines)。

原始信息汇总

数据集概述

数据集描述

• 数据集名称: race_all_fr
• 数据集版本: 法语版
• 数据集来源: RACE
• 数据集大小: 10K<n<100K
• 任务类型: 多选题
• 任务ID: 多选题问答

数据集摘要

race_all_fr 是 RACE 数据集的法语版本，包含超过 28,000 篇文章和近 100,000 个问题。原数据集是为中国中学和大学学生设计的，翻译成法语以扩大其可访问性，并允许在其他语言中进行阅读理解研究。

支持的任务和排行榜

支持的任务和排行榜与原始 RACE 数据集相同，适应法语。

语言

数据集完全为法语。

数据集结构

数据实例

数据实例的结构与原始 RACE 数据集相同，但已翻译成法语。

数据字段

• example_id: 每个示例的唯一标识符。
• article: 文章文本，基于此提出问题。
• question: 提出的问题。
• options: 提供的四个答案选项，其中只有一个正确。
• answer: 对应于正确答案的字母。

数据分割

数据分割（训练/验证/测试）与原始 RACE 数据集相同。

数据集创建

策划理由

此数据集旨在扩展法语自然语言处理（NLP）研究的可用资源，特别是阅读理解。

源数据

初始数据收集和规范化

源数据与 RACE 数据集相同，但已翻译成法语。

注释

注释与原始数据集相同，除了语言。

个人和敏感信息

考虑事项与原始 RACE 数据集相同。

使用数据的注意事项

数据集的社会影响

将数据集翻译成不同语言对于扩大 NLP 研究的广泛访问和允许多语言模型训练至关重要。

偏见讨论

[需要更多信息]

其他已知限制

[需要更多信息]

附加信息

数据集使用 Large_dataset_translator 和 Google Translate API 进行翻译。

许可信息

与原始 RACE 数据集相同的许可适用。请参阅 此链接 获取更多信息。

引用信息

使用 race_all_fr 时，请引用原始 RACE 数据集的论文：

bibtex @inproceedings{lai-etal-2017-race, title = "{RACE}: Large-scale {R}e{A}ding Comprehension Dataset From Examinations", author = "Lai, Guokun and Xie, Qizhe and Liu, Hanxiao and Yang, Yiming and Hovy, Eduard", booktitle = "Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing", month = sep, year = "2017", address = "Copenhagen, Denmark", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/D17-1082", doi = "10.18653/v1/D17-1082", pages = "785--794", }

贡献

此数据集的翻译由 @MangoHiller 完成。有关原始贡献，请参阅 RACE 数据集的 GitHub 仓库：https://github.com/qizhex/RACE_AR_baselines。

搜集汇总

数据集介绍

构建方式

在自然语言处理领域，跨语言资源拓展对于推动多语言模型研究至关重要。race_all_fr数据集的构建源于对原始英文RACE数据集进行系统性翻译，该过程借助Large_dataset_translator工具与Google Translate API实现，确保了超过28,000篇阅读篇章及近十万道题目的法语转换。这一方法不仅保留了原数据集的结构与标注完整性，还通过自动化流程高效完成了语言迁移，为法语阅读理解任务提供了规模化的基准数据。

特点

作为RACE数据集的法语版本，race_all_fr继承了原数据集的核心特性，专注于中学生及大学生水平的阅读理解评估。其数据实例包含文章、问题、四个选项及正确答案标识，所有内容均以法语呈现。该数据集覆盖训练、验证与测试划分，与原始版本保持一致，使得研究者能够在法语语境下直接沿用已有的评估框架与基准模型，促进跨语言比较研究。

使用方法

该数据集适用于法语阅读理解与多项选择题回答任务，用户可通过Hugging Face平台直接加载并集成至自然语言处理流程中。典型应用包括训练或评估法语语言模型，以及进行多语言阅读理解能力的对比分析。使用时应引用原始RACE论文，并注意遵循原数据集许可协议，同时可结合翻译工具与预处理步骤进一步优化模型在法语语境下的表现。

背景与挑战

背景概述

在自然语言处理领域，机器阅读理解作为评估模型语言理解能力的关键任务，长期依赖于高质量、大规模的数据集。RACE数据集由卡内基梅隆大学等机构的研究人员于2017年创建，旨在通过中国初高中英语考试的真实语料，构建一个具有挑战性的大规模阅读理解基准。该数据集包含超过28,000篇文章和近100,000道选择题，其问题设计注重推理与深层理解，显著推动了阅读理解模型的发展，并成为该领域的重要评估标准。为促进法语自然语言处理研究，MangoHiller将RACE数据集翻译为法语版本race_all_fr，扩展了多语言资源的覆盖范围，为跨语言模型训练提供了宝贵素材。

当前挑战

race_all_fr数据集面临的挑战主要体现在两个方面。在领域问题层面，机器阅读理解任务本身要求模型不仅理解文本表面信息，还需进行逻辑推理、上下文关联及隐含意义挖掘，而RACE数据集的原始问题设计基于复杂考试内容，对模型的深层语义理解能力构成了严峻考验。在构建过程中，翻译工作引入了额外挑战：如何保持原文的语义精确性与文化适应性，避免因直译导致的歧义或信息损耗，同时确保问题与选项在法语语境下的自然流畅，这需要精细的语言处理与质量控制。此外，数据集的多语言扩展也需考虑与原始数据在难度与一致性上的对齐，以维持其作为基准的可信度与可比性。

常用场景

经典使用场景

在自然语言处理领域，机器阅读理解作为核心任务之一，旨在评估模型对文本深层语义的理解能力。race_all_fr数据集作为RACE的法语翻译版本，其经典使用场景聚焦于训练和评估法语阅读理解模型。该数据集通过提供大量源自中国中学考试的法语文章与对应选择题，为研究者构建了一个标准化的评测平台，用以检验模型在复杂语境下的推理与信息提取效能。

衍生相关工作

基于原始RACE数据集，已衍生出诸多经典研究工作，例如采用注意力机制与预训练语言模型（如BERT、RoBERTa）来提升阅读理解性能的探索。race_all_fr的推出，进一步激励了针对法语乃至其他语言的类似模型适配与优化研究。这些工作不仅推动了机器阅读理解技术的进步，也为构建更强大的多语言统一模型奠定了数据与方法论基础。

数据集最近研究

最新研究方向

在自然语言处理领域，跨语言阅读理解已成为推动多语言模型发展的关键方向。RACE_fr作为RACE数据集的法语翻译版本，为研究者提供了评估模型在法语语境下推理与理解能力的重要资源。当前研究聚焦于利用此类翻译数据集探索多语言预训练模型的泛化性能，特别是在低资源语言环境中的迁移学习效果。随着多语言大模型如mT5、XLM-R的兴起，该数据集被广泛应用于分析模型在跨语言任务中的知识传递机制，以及评估文化背景差异对阅读理解的影响。这些研究不仅深化了对语言通用表示的理解，也为构建更具包容性的多语言人工智能系统奠定了实证基础。