首页/数据集/Improving Editorial Workflow and Publication Retrievability at Springer Nature

Improving Editorial Workflow and Publication Retrievability at Springer Nature

Figshare2019-04-04 更新2026-04-29 收录

数据链接：

https://figshare.com/articles/dataset/Improving_Editorial_Workflow_and_Publication_Retrievability_at_Springer_Nature/7951496 数据链接链接失效反馈

官方服务：

资源简介：

Result of the survey for the paper: "Improving Editorial Workflow and Publication Retrievability at Springer Nature"

应用场景：

创建时间：

2019-04-04

图生成

检索增强

Gen-Searcher-SFT-10k和Gen-Searcher-RL-6k是由香港中文大学MMLab等机构构建的高质量搜索增强图像生成训练数据集，包含约16,000条样本。数据集通过精心设计的提示工程和深度网络搜索策略生成，涵盖20多个多样化领域，如动漫、艺术、物理等。数据创建过程涉及多轮代理搜索轨迹生成和基于Nano Banana Pro的图像合成，并经过Seed1.8模型评分和人工验证以确

arXiv2026-03-31 更新300

mteb/JQaRARerankingLite

日文问答

检索增强

JQaRARerankingLite是一个用于日语问答与检索增强（Japanese Question Answering with Retrieval Augmentation）的数据集，属于MTEB（Massive Text Embedding Benchmark）的一部分。该数据集包含来自JAQKET的问题和日本维基百科的语料库，是一个轻量级版本，语料库经过缩减（172,897篇文档），并使用

Hugging Face2025-12-13 更新170

Self-GRIT/PILE_Wikipedia_Pretraining_subset_valid_ret_tokens_output_filtered-wikipedia-dpr-k-2-OP-False

检索增强

知识密集型问答

--- dataset_info: features: - name: outputs_retrievals struct: - name: Updated_Passage dtype: string - name: results list: - name: Ideal_Knowledge dtype: stri

Hugging Face2024-08-20 更新60

hotchpotch/JQaRA

问答系统

检索增强

JQaRA是一个用于评估检索增强生成（RAG）技术的日语问答数据集，旨在通过外部知识检索来提高大语言模型（LLM）的问答准确性。数据集基于JAQKET的问答数据和Wikipedia的文本，通过多种Embeddings模型进行信息检索，并对检索结果进行正解标签的标注。数据集分为unused、dev和test三个部分，分别用于不同的评估和训练场景。

Hugging Face2024-04-01 更新210

FastCoder

代码生成优化

检索增强

Supplementary material for [FASTCODER: Accelerating Code Generation via Efficient Retrieval and Parallel Verification]

DataCite Commons2025-05-30 更新80