yuyijiong/Multi-doc-QA-CommonCrawl
收藏Hugging Face2023-12-04 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/yuyijiong/Multi-doc-QA-CommonCrawl
下载链接
链接失效反馈官方服务：
资源简介：
以RedPajamaCommonCrawl数据为参考文本，制作的英文多文档问答数据。原始数据中，每个样本包含一个参考文档、199个无关文档、一个基于参考文档的问答对。可以训练模型从大量文档中抽取关键信息的能力。原始数据经过筛选、整合转化为chatml形式的指令微调数据后，每条数据大约包含30个参考文档，以及5个对应的问答对。
以RedPajamaCommonCrawl数据为参考文本，制作的英文多文档问答数据。原始数据中，每个样本包含一个参考文档、199个无关文档、一个基于参考文档的问答对。可以训练模型从大量文档中抽取关键信息的能力。原始数据经过筛选、整合转化为chatml形式的指令微调数据后，每条数据大约包含30个参考文档，以及5个对应的问答对。
提供机构：
yuyijiong
原始信息汇总
数据集概述
数据集基本信息
- 许可协议: cc-by-nc-4.0
- 数据规模: 10K<n<100K
- 语言: 英语
数据集内容
- 原始数据: 每个样本包含一个参考文档、199个无关文档和一个基于参考文档的问答对。
- 处理后数据: 经过筛选、整合转化为chatml形式的指令微调数据后，每条数据大约包含30个参考文档和5个对应的问答对。
数据集更新
- 2023年12月24日更新: 改进答案的格式，强制所有答案在回答时必须先给出原文。
数据集大小
- 数据集大小: 11k
