KILT Dataset

KILT (Knowledge Intensive Language Tasks) is a benchmark consisting of 11 datasets representing 5 types of tasks: Fact-checking (FEVER), Entity linking (AIDA CoNLL-YAGO, WNED-WIKI, WNED-CWEB), Slot filling (T-Rex, Zero Shot RE), Open domain QA (Natural Questions, HotpotQA, TriviaQA, ELI5), Dialog generation (Wizard of Wikipedia). All these datasets have been grounded in a single pre-processed wikipedia snapshot, allowing for fairer and more consistent evaluation as well as enabling new task setups such as multitask and transfer learning.KILT（知识密集型语言任务）是一个由11个数据集组成的基准测试，涵盖了5种类型的任务：事实核查（FEVER）、实体链接（AIDA CoNLL-YAGO、WNED-WIKI、WNED-CWEB）、槽填充（T-Rex、Zero Shot RE）、开放域问答（Natural Questions、HotpotQA、TriviaQA、ELI5）以及对话生成（Wikipedia巫师）。所有这些数据集均基于单一预处理过的维基百科快照进行构建，这有利于实现更加公平和一致的评估，同时亦促进了诸如多任务学习和迁移学习等新型任务设置的发展。

搜集汇总

背景与挑战

背景概述

KILT Dataset是一个知识密集型语言任务基准测试，包含11个子数据集，覆盖事实核查、实体链接、槽位填充、开放域问答和对话生成5种任务类型。所有数据集基于统一的预处理维基百科快照，确保评估公平一致，并支持多任务和迁移学习的新应用。