multinews_sparse_max

This is a copy of the [Multi-News](https://huggingface.co/datasets/multi_news) dataset, except the input source documents of its `test` split have been replaced by a __sparse__ retriever. The retrieval pipeline used:

- __query__: The `summary` field of each example
- __corpus__: The union of all documents in the `train`, `validation` and `test` splits
- __retriever__: BM25 via [PyTerrier](https://pyterrier.readthedocs.io/en/latest/) with default settings
- __top-k strategy__: `"max"`, i.e. the number of documents retrieved, `k`, is set as the maximum number of documents seen across examples in this dataset, in this case `k==10`

Retrieval results on the `train` set:

| Recall@100 | Rprec | Precision@k | Recall@k |
| ----------- | ----------- | ----------- | ----------- |
| 0.8793 | 0.7460 | 0.2213 | 0.8264 |

Retrieval results on the `validation` set:

| Recall@100 | Rprec | Precision@k | Recall@k |
| ----------- | ----------- | ----------- | ----------- |
| 0.8748 | 0.7453 | 0.2173 | 0.8232 |

Retrieval results on the `test` set:

| Recall@100 | Rprec | Precision@k | Recall@k |
| ----------- | ----------- | ----------- | ----------- |
| 0.8775 | 0.7480 | 0.2187 | 0.8250 |

本数据集为[Multi-News](https://huggingface.co/datasets/multi_news)数据集的复刻版本，仅其测试（test）划分的输入源文档已由**稀疏检索器（sparse retriever）**检索得到的结果完成替换。所采用的检索流程如下：
- **查询（query）**：每个样本的`摘要（summary）`字段
- **语料库（corpus）**：训练（train）、验证（validation）与测试（test）划分下全部文档的并集
- **检索器（retriever）**：基于[PyTerrier](https://pyterrier.readthedocs.io/en/latest/)实现的BM25算法，采用默认参数配置
- **Top-k策略**：采用`"max"`模式，即检索文档数`k`被设定为该数据集所有样本中出现的最大文档数，本次场景下`k=10`

训练集检索性能如下：
| 100召回率（Recall@100） | R-精度（Rprec） | k精度（Precision@k） | k召回率（Recall@k） |
| ----------- | ----------- | ----------- | ----------- |
| 0.8793 | 0.7460 | 0.2213 | 0.8264 |

验证集检索性能如下：
| 100召回率（Recall@100） | R-精度（Rprec） | k精度（Precision@k） | k召回率（Recall@k） |
| ----------- | ----------- | ----------- | ----------- |
| 0.8748 | 0.7453 | 0.2173 | 0.8232 |

测试集检索性能如下：
| 100召回率（Recall@100） | R-精度（Rprec） | k精度（Precision@k） | k召回率（Recall@k） |
| ----------- | ----------- | ----------- | ----------- |
| 0.8775 | 0.7480 | 0.2187 | 0.8250 |