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

该数据集包含多种语言对的翻译数据，每个样本包含源语言、目标语言、源文本、参考翻译、被拒绝的翻译、被选中的翻译以及基础翻译。此外，数据集还提供了多个评估指标（如chrf、bleu、xcomet和kiwi）的评分，用于衡量翻译质量。数据集仅包含一个训练集，共有20575个样本，文件大小为17319320字节。

This dataset contains translation data for multiple language pairs. Each sample includes the source language, target language, source text, reference translation, rejected translation, chosen translation, and base translation. Additionally, the dataset provides multiple evaluation metrics (such as chrf, bleu, xcomet, and kiwi) to assess translation quality. The dataset consists of a single training set with 20,575 samples and a file size of 17,319,320 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
• 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

数据分割

• train:
  • 字节数: 17319320
  • 样本数: 20575

数据集大小

• 下载大小: 11744190 字节
• 数据集大小: 17319320 字节

配置

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