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。