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

该数据集包含多种语言对的翻译数据，每个样本包括源语言、目标语言、源文本、参考翻译、被拒绝的翻译和被选中的翻译。此外，数据集还提供了多个翻译质量评估指标，如chrf、bleu、xcomet和kiwi的分数。数据集仅包含一个训练集，共有20575个样本，文件大小为17301485字节。

This dataset contains translation data for multiple language pairs, with each sample including the source language, target language, source text, reference translation, rejected translation, and chosen translation. Additionally, the dataset provides multiple translation quality evaluation metrics such as chrf, bleu, xcomet, and kiwi scores. The dataset includes only a training set with 20,575 samples and a file size of 17,301,485 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: 17301485
  • 样本数: 20575

数据集大小

• 下载大小: 11705819 字节
• 数据集大小: 17301485 字节

配置

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