MSMARCO 机器阅读理解数据集

MSMARCO 是机器阅读理解数据集，其包含的 1,010,916 个匿名问题均来自 Bing 的搜索查询日志，日志中均包含 AI 生成的答案和 182,669 条人为重写的答案，该数据集还包含从 3,563,535 个文档中提取的 8,841,823 个段落。

MSMARCO is a machine reading comprehension dataset. It contains 1,010,916 anonymized queries originating from Bing search query logs, which are paired with both AI-generated answers and 182,669 human-rewritten answers. Additionally, the dataset includes 8,841,823 passages extracted from 3,563,535 source documents.

搜集汇总

背景与挑战

背景概述

MSMARCO是一个用于机器阅读理解的数据集，包含超过100万个来自Bing搜索日志的匿名问题，这些问题附有AI生成和人为重写的答案，并从数百万文档中提取了大量相关段落。