hgissbkh/ALMA-Preference-Multi

该数据集包含多种语言对的翻译数据，涉及源语言、目标语言、源文本、参考翻译、基础翻译以及GPT-4生成的翻译。此外，数据集还提供了多个翻译质量评估指标，如XCOMET、KIWI和CHRF等。数据集仅包含一个训练集，共有20575个样本，文件大小为13989538字节。

This dataset contains translation data for multiple language pairs, including source language, target language, source text, reference translation, base translation, and GPT-4 generated translation. Additionally, the dataset provides multiple translation quality evaluation metrics such as XCOMET, KIWI, and CHRF. The dataset includes only a training set with 20,575 samples and a file size of 13,989,538 bytes.

原始信息汇总

数据集概述

数据集信息

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
• base: 字符串类型
• gpt4: 字符串类型
• ref_xcomet: 浮点数类型
• base_xcomet: 浮点数类型
• gpt4_xcomet: 浮点数类型
• ref_kiwi: 浮点数类型
• base_kiwi: 浮点数类型
• gpt4_kiwi: 浮点数类型
• ref_chrf: 整数类型
• base_chrf: 浮点数类型
• gpt4_chrf: 浮点数类型

数据分割

• train:
  • 字节数: 13989538
  • 样本数: 20575

数据集大小

• 下载大小: 9036723 字节
• 数据集大小: 13989538 字节

配置

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