scan-tasks/scan-tasks

SCAN数据集是一个用于研究组合学习和零样本泛化的简单语言驱动导航任务集合。它包含多个配置，每个配置都有训练和测试分割，数据字段包括命令和动作。数据集的主要用途是文本到文本生成任务，且数据集的规模在10K到100K之间。

The SCAN dataset is a simple language-driven navigation task collection for studying compositional learning and zero-shot generalization. It includes multiple configurations, each with training and test splits, and its data fields consist of commands and actions. The primary intended use of this dataset is for text-to-text generation tasks, and its scale ranges from 10K to 100K.

原始信息汇总

数据集概述

基本信息

• 数据集名称: SCAN
• 语言: 英语
• 许可证: BSD
• 多语言性: 单语种
• 数据集大小: 10K<n<100K
• 源数据: 原始数据
• 任务类别: 文本到文本生成
• 标签: 多轮

数据集配置

配置名称: simple

• 特征:
  • commands: 字符串
  • actions: 字符串
• 分割:
  • train: 3217770 字节, 16728 样本
  • test: 799912 字节, 4182 样本
• 下载大小: 4080388 字节
• 数据集大小: 4017682 字节

配置名称: addprim_jump

• 特征:
  • commands: 字符串
  • actions: 字符串
• 分割:
  • train: 2535625 字节, 14670 样本
  • test: 1508445 字节, 7706 样本
• 下载大小: 4111174 字节
• 数据集大小: 4044070 字节

配置名称: addprim_turn_left

• 特征:
  • commands: 字符串
  • actions: 字符串
• 分割:
  • train: 3908891 字节, 21890 样本
  • test: 170063 字节, 1208 样本
• 下载大小: 4148216 字节
• 数据集大小: 4078954 字节

配置名称: filler_num0

• 特征:
  • commands: 字符串
  • actions: 字符串
• 分割:
  • train: 2513034 字节, 15225 样本
  • test: 330087 字节, 1173 样本
• 下载大小: 2892291 字节
• 数据集大小: 2843121 字节

配置名称: filler_num1

• 特征:
  • commands: 字符串
  • actions: 字符串
• 分割:
  • train: 2802865 字节, 16290 样本
  • test: 330087 字节, 1173 样本
• 下载大小: 3185317 字节
• 数据集大小: 3132952 字节

配置名称: filler_num2

• 特征:
  • commands: 字符串
  • actions: 字符串
• 分割:
  • train: 3106220 字节, 17391 样本
  • test: 330087 字节, 1173 样本
• 下载大小: 3491975 字节
• 数据集大小: 3436307 字节

配置名称: filler_num3

• 特征:
  • commands: 字符串
  • actions: 字符串
• 分割:
  • train: 3412704 字节, 18528 样本
  • test: 330087 字节, 1173 样本
• 下载大小: 3801870 字节
• 数据集大小: 3742791 字节

配置名称: length

• 特征:
  • commands: 字符串
  • actions: 字符串
• 分割:
  • train: 2672464 字节, 16990 样本
  • test: 1345218 字节, 3920 样本
• 下载大小: 4080388 字节
• 数据集大小: 4017682 字节

配置名称: template_around_right

• 特征:
  • commands: 字符串
  • actions: 字符串
• 分割:
  • train: 2513034 字节, 15225 样本
  • test: 1229757 字节, 4476 样本
• 下载大小: 3801870 字节
• 数据集大小: 3742791 字节

配置名称: template_jump_around_right

• 特征:
  • commands: 字符串
  • actions: 字符串
• 分割:
  • train: 3412704 字节, 18528 样本
  • test: 330087 字节, 1173 样本
• 下载大小: 3801870 字节
• 数据集大小: 3742791 字节

配置名称: template_opposite_right

• 特征:
  • commands: 字符串
  • actions: 字符串
• 分割:
  • train: 2944398 字节, 15225 样本
  • test: 857943 字节, 4476 样本
• 下载大小: 3861420 字节
• 数据集大小: 3802341 字节

配置名称: template_right

• 特征:
  • commands: 字符串
  • actions: 字符串
• 分割:
  • train: 3127623 字节, 15225 样本
  • test: 716403 字节, 4476 样本
• 下载大小: 3903105 字节
• 数据集大小: 3844026 字节

数据集创建

数据字段

• commands: 字符串
• actions: 字符串

数据分割

名称	训练集样本数	测试集样本数
addprim_jump	14670	7706
addprim_turn_left	21890	1208
filler_num0	15225	1173
filler_num1	16290	1173
filler_num2	17391	1173

引用信息

@inproceedings{Lake2018GeneralizationWS, title={Generalization without Systematicity: On the Compositional Skills of Sequence-to-Sequence Recurrent Networks}, author={Brenden M. Lake and Marco Baroni}, booktitle={ICML}, year={2018}, url={https://arxiv.org/pdf/1711.00350.pdf}, }

搜集汇总

背景与挑战

背景概述

scan-tasks数据集是一个用于研究组合学习和零样本泛化的语言驱动导航任务集合，包含多个子任务和相应的命令与动作字段，适用于文本到文本生成任务。数据集大小为10K到100K，语言为英语，许可证为BSD。