sailor2/Vietnamese_RAG

越南语RAG数据集是一个综合性的越南语数据集，专为RAG评估优化，由ZD AI实验室构建并发布在Apache 2.0许可证下。该数据集包含四个子数据集：越南语版本的Expert QA、RAG ViQuAD、Legal RAG和BKAI_RAG。越南语版本的Expert QA利用GPT-4的强大翻译能力进行翻译任务，RAG ViQuAD是从UIT-ViQuAD2.0中精心挑选并添加了按标题过滤的上下文列，Legal RAG和BKAI_RAG则是从ZALO Legal QA和BKNewsCorpus中借用了上下文和问题，并通过Mixtral 8x22B和GPT-4对齐了问题、答案和上下文。

Vietnameses RAG is an comprehensive Vietnamese dataset optimized for RAG Evaluation, build by ZD AI lab and release under Apache license 2.0. The dataset includes four parts: Vietnamese version of Expert QA, RAG ViQuAD, Legal RAG, and BKAI_RAG. Expert QA is a Vietnamese version translated based on GPT-4, containing questions and answers proposed by experts, and scored through six criteria. RAG ViQuAD is carefully chosen from UIT-ViQuAD2.0 with an additional context column. Legal RAG and BKAI_RAG are long-form RAG QAs borrowed from ZALO Legal QA and BKNewsCorpus, aligned by Mixtral 8x22B and GPT-4 for questions, answers, and contexts.

原始信息汇总

数据集概述

数据集详情

该数据集包含四个子数据集：

• Vi-Expert QA：越南语版本的Expert QA数据集，使用GPT-4进行翻译。
  • 包含6种不同的系统用于生成问题和答案。
  • 专家根据6个标准对问题、答案和声明进行评分：
    • 答案有用性
    • 归属
    • 信息量
    • 事实性
    • 来源可靠性
    • 引用价值
  • 仅保留评分最高的记录，并通过GPT-4进行翻译和回译，最终选取相似度评分高于9.0的记录。
• RAG ViQuAD：从UIT-ViQuAD2.0中精选，增加了上下文列。
• Legal RAG：从ZALO Legal QA借用上下文和问题，通过Mixtral 8x22B和GPT-4对齐。
• BKAI_RAG：从BKNewsCorpus借用上下文和问题，通过Mixtral 8x22B和GPT-4对齐。

系统

RAG系统

• Ragflow
• GraphRag
• fast RAG
• self RAG
• AutoRAG

RAG系统评估

• Ragas
• CRAGs
• AutoRAG

许可证

• Apache 2.0

语言

• 越南语

任务类别

• 问答

数据集规模

• 1K<n<10K