eedi-embed-pretrain-mix-final

kaggle2024-12-09 更新2025-02-22 收录

下载链接：

https://www.kaggle.com/datasets/conjuring92/eedi-embed-pretrain-mix-final

下载链接

链接失效反馈

官方服务：

资源简介：

Pre-training dataset for retrievers in the EEDI competition

EEDI 竞赛中检索器预训练数据集

创建时间：

2024-12-09

eedi-embed-mix-silver-v3

Dataset to fine-tune retrievers in the EEDI competition

kaggle2024-12-01 更新190

utahnlp/nomic-embed-pretrain-lite

--- dataset_info: features: - name: query_id dtype: string - name: query dtype: string - name: positive_passages list: - name: docid dtype: string - name: text

Hugging Face2025-12-02 更新60

Mixed-Pretrain-Working

该数据集包含文本内容、输入ID和注意力掩码三个字段。文本内容为字符串类型，输入ID和注意力掩码为整数列表类型。数据集仅包含训练集划分，共有2,124,834个示例，总字节数为19,077,856,653字节。数据集的下载大小为6,312,885,558字节。

Hugging Face2025-08-08 更新20

eedi-tutor-mix-v8

Listwise re-ranker training dataset

kaggle2024-12-06 更新50

kf-embed-pretrain-corpus-700M

KF-Embed Pretraining Corpus 是一个用于预训练多语言嵌入模型的大规模数据集，特别强调对印度语言的支持。该数据集汇集了16个不同的开源数据集，包含7.1亿个（查询，正例）对，覆盖50多种语言，总大小为128GB。每个记录包含三个字段：'source'（来源数据集标识）、'query'（查询文本如标题、问题等）和'positive'（相关联的长文本如文章正文、答案等）。数据集

Hugging Face2026-04-13 更新80