hgissbkh/ALMA-Preference-Multi-xCOMET-QE-Choose-Base

该数据集包含多个特征字段，如语言对（lp）、源语言（src_lang）、目标语言（tgt_lang）、源文本（src）、参考文本（ref）、被拒绝的翻译（rejected）、选择的翻译（chosen）、基础翻译（base）等。此外，还包含一些评估指标，如rejected_xcomet、chosen_xcomet、base_xcomet等。数据集主要用于训练，包含20575个样本，文件大小为17149009字节。

The dataset contains multiple feature fields such as language pair (lp), source language (src_lang), target language (tgt_lang), source text (src), reference text (ref), rejected translation (rejected), chosen translation (chosen), base translation (base), etc. Additionally, it includes some evaluation metrics such as rejected_xcomet, chosen_xcomet, base_xcomet, etc. The dataset is primarily used for training and contains 20,575 samples with a file size of 17,149,009 bytes.

原始信息汇总

数据集概述

特征信息

• 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_system: 字符串类型
• chosen_system: 字符串类型
• 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
• rejected_chrf: 浮点数类型
• chosen_chrf: 浮点数类型
• base_chrf: 浮点数类型

数据分割

• train:
  • 字节数: 17149009
  • 样本数: 20575

数据集大小

• 下载大小: 11132370 字节
• 数据集大小: 17149009 字节

配置信息

• config_name: default
  • 数据文件路径: data/train-*