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

该数据集包含多个特征，如语言对（lp）、源语言（src_lang）、目标语言（tgt_lang）、源文本（src）、参考翻译（ref）、被拒绝的翻译（rejected）、选择的翻译（chosen）、基础翻译（base）等。此外，数据集还包含与翻译质量评估相关的指标，如chrf、bleu、xcomet、kiwi等。数据集包含一个训练集，包含20575个样本，文件大小为17346194字节。数据集的下载大小为11768401字节。

This dataset contains multiple features such as language pair (lp), source language (src_lang), target language (tgt_lang), source text (src), reference translation (ref), rejected translation (rejected), chosen translation (chosen), base translation (base), and metrics related to translation quality evaluation such as chrf, bleu, xcomet, kiwi, etc. The dataset includes a training set with 20575 samples and a file size of 17346194 bytes. The download size of the dataset is 11768401 bytes.

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: 17346194
  • 样本数: 20575

数据集大小

• 下载大小: 11768401 字节
• 数据集大小: 17346194 字节

配置

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