Sangeetha/Kaggle-LLM-Science-Exam

LLM Science Exam Kaggle Competition数据集是一个由大型语言模型生成的科学问题数据集。数据集包含问题文本、多个选项以及由生成模型定义的最正确答案。数据集的语言包括英语、德语、意大利语、西班牙语、法语、葡萄牙语、印度尼西亚语、波兰语、罗马尼亚语、索马里语、加泰罗尼亚语、丹麦语、斯瓦希里语、匈牙利语、挪威语、荷兰语、爱沙尼亚语、南非荷兰语、克罗地亚语、拉脱维亚语和斯洛文尼亚语。数据集的结构包括问题提示、选项和答案，训练集包含6684行数据。数据集的创建归功于竞赛组织者和参与者。

原始信息汇总

数据集概述

数据集描述

数据集总结

• 数据集链接：https://www.kaggle.com/competitions/kaggle-llm-science-exam/data

语言

• 支持的语言：英语（en）、德语（de）、他加禄语（tl）、意大利语（it）、西班牙语（es）、法语（fr）、葡萄牙语（pt）、印度尼西亚语（id）、波兰语（pl）、罗马尼亚语（ro）、索马里语（so）、加泰罗尼亚语（ca）、丹麦语（da）、斯瓦希里语（sw）、匈牙利语（hu）、挪威语（no）、荷兰语（nl）、爱沙尼亚语（et）、南非荷兰语（af）、克罗地亚语（hr）、拉脱维亚语（lv）、斯洛文尼亚语（sl）

数据集结构

数据字段

• 提示（prompt）：问题的文本
• 选项A（A）：如果此选项正确，则答案为A
• 选项B（B）：如果此选项正确，则答案为B
• 选项C（C）：如果此选项正确，则答案为C
• 选项D（D）：如果此选项正确，则答案为D
• 选项E（E）：如果此选项正确，则答案为E
• 答案（answer）：由生成的大型语言模型定义的最正确答案（A、B、C、D或E之一）

数据分割

• 训练集：6684行

数据集创建

• 数据集由竞赛组织者创建，用于回答由大型语言模型生成的高难度科学问题。
• 数据集生成依赖于具有1750亿参数的gpt3.5模型。

贡献者

• Kaggle - LLM Science Exam 贡献者