Ahrefs/LongCacti-quac

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
dataset_info:
features:
- name: dialogue_id
dtype: string
- name: wikipedia_page_title
dtype: string
- name: background
dtype: string
- name: section_title
dtype: string
- name: context
dtype: string
- name: turn_ids
sequence: string
- name: questions
sequence: string
- name: followups
sequence: int64
- name: yesnos
sequence: int64
- name: answers
struct:
- name: answer_starts
sequence:
sequence: int64
- name: texts
sequence:
sequence: string
- name: orig_answers
struct:
- name: answer_starts
sequence: int64
- name: texts
sequence: string
- name: wikipedia_page_text
dtype: string
- name: wikipedia_page_refs
list:
- name: text
dtype: string
- name: title
dtype: string
- name: gpt4_answers
sequence: string
- name: gpt4_answers_consistent_check
sequence: string
splits:
- name: train
num_bytes: 576059175
num_examples: 11567
download_size: 192048023
dataset_size: 576059175
---
# Dataset Card for "LongCacti-quac"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

配置

• 默认配置：
  • 数据文件：
    • 分割：训练
    • 路径：data/train-*

数据特征

• 对话ID：字符串类型
• 维基百科页面标题：字符串类型
• 背景信息：字符串类型
• 章节标题：字符串类型
• 上下文：字符串类型
• 轮次ID：字符串序列
• 问题：字符串序列
• 跟进：整数序列
• 是否：整数序列
• 答案：结构体类型
  • 答案开始位置：整数序列的序列
  • 文本：字符串序列的序列
• 原始答案：结构体类型
  • 答案开始位置：整数序列
  • 文本：字符串序列
• 维基百科页面文本：字符串类型
• 维基百科页面引用：列表类型
  • 文本：字符串类型
  • 标题：字符串类型
• GPT-4答案：字符串序列
• GPT-4答案一致性检查：字符串序列

数据分割

• 训练集：
  • 字节数：576059175
  • 样本数：11567

数据大小

• 下载大小：192048023字节
• 数据集大小：576059175字节