juletxara/xstory_cloze_mt

XStoryCloze数据集是一个单语言（英语）数据集，包含多个不同模型大小的配置。每个配置包括故事ID、输入句子、句子测验1、句子测验2和正确答案等特征。数据集分为多种语言的分割，每个分割有特定的字节数和示例数。

原始信息汇总

数据集概述

基本信息

• 数据集名称: XStoryCloze
• 语言: 英语（en）
• 语言创建者: 发现（found）和专家生成（expert-generated）
• 许可证: CC-BY-SA-4.0
• 多语言性: 单语（monolingual）
• 大小类别: 1K<n<10K
• 源数据集: 扩展自story_cloze
• 任务类别: 其他（other）

数据集结构

• 配置名称: nllb-200-distilled-600M, nllb-200-distilled-1.3B, nllb-200-1.3B, nllb-200-3.3B, xglm-564M, xglm-1.7B, xglm-2.9B, xglm-4.5B, xglm-7.5B, bloom-560m, bloom-1b1, bloom-1b7, bloom-3b, bloom-7b1, llama-7B, llama-13B, llama-30B, RedPajama-INCITE-Base-3B-v1, RedPajama-INCITE-7B-Base, open_llama_3b
• 特征:
  • story_id: 字符串（string）
  • input_sentence_1: 字符串（string）
  • input_sentence_2: 字符串（string）
  • input_sentence_3: 字符串（string）
  • input_sentence_4: 字符串（string）
  • sentence_quiz1: 字符串（string）
  • sentence_quiz2: 字符串（string）
  • answer_right_ending: 整数（int32）

数据集大小

• 下载大小: 不同配置下的下载大小不同，例如：
  • nllb-200-distilled-600M: 4619083
  • nllb-200-distilled-1.3B: 4607136
  • nllb-200-1.3B: 4579397
  • ...
• 数据集大小: 不同配置下的数据集大小不同，例如：
  • nllb-200-distilled-600M: 4964534
  • nllb-200-distilled-1.3B: 4953108
  • nllb-200-1.3B: 4925286
  • ...

数据集分割

• 分割名称: ru, zh, es, ar, hi, id, te, sw, eu, my
• 示例数量: 每个分割包含1511个示例
• 字节数: 每个分割的字节数不同，例如：
  • ru: 492764（nllb-200-distilled-600M）
  • zh: 500346（nllb-200-distilled-600M）
  • es: 495103（nllb-200-distilled-600M）
  • ...

总结

XStoryCloze数据集是一个包含英语文本的数据集，用于特定的任务类别（其他）。数据集包含多个配置，每个配置具有相同的特征结构，但大小和下载大小不同。数据集的许可证为CC-BY-SA-4.0，适用于单语环境。