Atipico1/nq-test-replace-format

---
dataset_info:
features:
- name: question
dtype: string
- name: entity
dtype: string
- name: similar_entity
dtype: string
- name: answers
sequence: string
- name: ctxs
list:
- name: hasanswer
dtype: bool
- name: score
dtype: float64
- name: text
dtype: string
- name: title
dtype: string
- name: masked_query
dtype: string
- name: original_case
list:
- name: answer
dtype: string
- name: context
dtype: string
- name: distance
dtype: string
- name: original_answers
sequence: string
- name: question
dtype: string
- name: unans_case
list:
- name: answer
dtype: string
- name: answers
sequence: string
- name: context
dtype: string
- name: distance
dtype: string
- name: original_answers
sequence: string
- name: question
dtype: string
- name: conflict_case
list:
- name: answer
dtype: string
- name: conflict_context
dtype: string
- name: context
dtype: string
- name: distance
dtype: string
- name: original_answers
sequence: string
- name: question
dtype: string
- name: context
dtype: string
- name: context_vague
dtype: string
- name: entities
dtype: string
- name: entities_count
dtype: int64
- name: adv_sent
dtype: string
- name: adv_passage
dtype: string
- name: cos_sim
dtype: float64
- name: answer_match
dtype: bool
- name: is_valid_adversary
dtype: bool
- name: hasanswer
dtype: bool
- name: is_adversarial
dtype: bool
- name: prompt
dtype: string
splits:
- name: train
num_bytes: 70347010
num_examples: 3610
download_size: 41260388
dataset_size: 70347010
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• question: 问题，数据类型为字符串。
• entity: 实体，数据类型为字符串。
• similar_entity: 相似实体，数据类型为字符串。
• answers: 答案，数据类型为字符串序列。
• ctxs: 上下文列表，包含以下字段：
  • hasanswer: 是否有答案，数据类型为布尔值。
  • score: 分数，数据类型为浮点数（float64）。
  • text: 文本，数据类型为字符串。
  • title: 标题，数据类型为字符串。
• masked_query: 掩码查询，数据类型为字符串。
• original_case: 原始案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • original_answers: 原始答案，数据类型为字符串序列。
  • question: 问题，数据类型为字符串。
• unans_case: 无答案案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • answers: 答案，数据类型为字符串序列。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • original_answers: 原始答案，数据类型为字符串序列。
  • question: 问题，数据类型为字符串。
• conflict_case: 冲突案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • conflict_context: 冲突上下文，数据类型为字符串。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • original_answers: 原始答案，数据类型为字符串序列。
  • question: 问题，数据类型为字符串。
• context: 上下文，数据类型为字符串。
• context_vague: 模糊上下文，数据类型为字符串。
• entities: 实体，数据类型为字符串。
• entities_count: 实体计数，数据类型为整数（int64）。
• adv_sent: 对抗句子，数据类型为字符串。
• adv_passage: 对抗段落，数据类型为字符串。
• cos_sim: 余弦相似度，数据类型为浮点数（float64）。
• answer_match: 答案匹配，数据类型为布尔值。
• is_valid_adversary: 是否为有效对抗，数据类型为布尔值。
• hasanswer: 是否有答案，数据类型为布尔值。
• is_adversarial: 是否为对抗性，数据类型为布尔值。
• prompt: 提示，数据类型为字符串。

数据集分割

• train: 训练集，包含3610个样本，总字节数为70347010。

数据集大小

• 下载大小: 41260388字节。
• 数据集大小: 70347010字节。

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。