Disfl-QA

Disfl-QA 是针对信息搜索环境中上下文不流畅的目标数据集，即对维基百科段落的问答。 Disfl-QA 基于 SQuAD-v2 数据集，其中开发集中的每个问题都被注释以使用段落作为干扰源来添加上下文不流畅。最终数据集由约 12k（不流利的问题、答案）对组成。超过 90% 的不流畅性是更正或重新开始，这使其成为更难于不流畅性校正的测试集。 Disfl-QA 旨在填补语音和 NLP 研究社区之间的主要空白。我们希望该数据集可以作为基准数据集，用于测试模型对混乱输入的鲁棒性。

搜集汇总

背景与挑战

背景概述

Disfl-QA是一个基于SQuAD-v2的数据集，专注于信息搜索环境中上下文不流畅的问答任务，包含约12k个不流利问题-答案对，其中超过90%为更正或重新开始类型。该数据集由Google、佐治亚理工学院等机构于2021年发布，旨在作为评估模型对混乱输入鲁棒性的基准测试集。