INSAIT-Institute/arc-easy-bgeval

---
license: cc-by-sa-4.0
dataset_info:
features:
- name: id
dtype: string
- name: question
dtype: string
- name: choices
sequence:
- name: text
dtype: string
- name: label
dtype: string
- name: answerKey
dtype: string
splits:
- name: train
num_bytes: 1041020
num_examples: 2251
- name: test
num_bytes: 1106644
num_examples: 2376
- name: validation
num_bytes: 264848
num_examples: 570
download_size: 1094042
dataset_size: 2412512
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
---

许可证：CC BY-SA 4.0（知识共享署名-相同方式共享4.0国际许可协议）
dataset_info:
特征字段:
- 名称: id
数据类型: 字符串
- 名称: question
数据类型: 字符串
- 名称: choices（选项序列）
序列类型:
- 名称: text
数据类型: 字符串
- 名称: label
数据类型: 字符串
- 名称: answerKey（答案键）
数据类型: 字符串
数据集划分:
- 名称: train（训练集）
字节大小: 1041020
样本数量: 2251
- 名称: test（测试集）
字节大小: 1106644
样本数量: 2376
- 名称: validation（验证集）
字节大小: 264848
样本数量: 570
下载总大小: 1094042
数据集总存储大小: 2412512
配置项:
- 配置名称: default（默认配置）
数据文件:
- 划分名称: train
文件路径: data/train-*
- 划分名称: test
文件路径: data/test-*
- 划分名称: validation
文件路径: data/validation-*

原始信息汇总

数据集概述

许可证

• CC BY-SA 4.0

数据集信息

特征

• id: 字符串类型
• question: 字符串类型
• choices: 序列类型
  • text: 字符串类型
  • label: 字符串类型
• answerKey: 字符串类型

分割

• train:
  • 字节数: 1041020
  • 样本数: 2251
• test:
  • 字节数: 1106644
  • 样本数: 2376
• validation:
  • 字节数: 264848
  • 样本数: 570

大小

• 下载大小: 1094042
• 数据集大小: 2412512

配置

• default
  • data_files:
    • train: data/train-*
    • test: data/test-*
    • validation: data/validation-*

搜集汇总

背景与挑战

背景概述

该数据集是一个基于文本的多选题问答数据集，主要包含保加利亚语的科学、生物、物理和化学等问题。数据集大小为1K - 10K，采用parquet格式，并分为训练、验证和测试集。