hgissbkh/ALMA-Preference-Multi-System-XCOMET

该数据集包含多个字段，主要涉及源语言（src_lang）、目标语言（tgt_lang）、源文本（src）、参考文本（ref）、被拒绝的翻译（rejected）、选择的翻译（chosen）等。此外，还包括多个评估指标如CHRF、BLEU、XCOMET和KIWI的得分。这些字段表明数据集可能用于机器翻译任务的质量评估和模型训练。

The dataset contains multiple fields, primarily involving source language (src_lang), target language (tgt_lang), source text (src), reference text (ref), rejected translations (rejected), chosen translations (chosen), etc. Additionally, it includes scores from various evaluation metrics such as CHRF, BLEU, XCOMET, and KIWI. These fields suggest that the dataset may be used for quality assessment and model training in machine translation tasks.

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_system: 字符串类型
• chosen_system: 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

数据集划分

• train: 包含20575个样本，占用17742130字节

数据集大小

• 下载大小: 11572441字节
• 数据集大小: 17742130字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*