kaist-ai/InstructIR

该数据集主要用于文本检索任务，特别是文档检索和指令检索。数据集包含三个主要配置：qrels、corpus和queries。qrels配置包含查询ID、语料库ID和得分特征，测试集有9906个样本。corpus配置包含ID、标题和文本特征，语料库有16072个样本。queries配置包含ID和文本特征，查询集有9906个样本。数据集来源于msmarco，语言为英语，属于单语言数据集。

原始信息汇总

数据集概述

基本信息

• 许可证: MIT
• 语言: 英语
• 多语言性: 单语种
• 任务类别: 文本检索
• 任务ID: 文档检索
• 标签: 文本检索, 指令检索

数据集配置

• 配置名称: corpus, qrels, queries

数据集特征

配置: qrels

• 特征:
  • query-id: 字符串类型
  • corpus-id: 字符串类型
  • score: 浮点数类型
• 分割:
  • test: 示例数量 9906

配置: corpus

• 特征:
  • _id: 字符串类型
  • title: 字符串类型
  • text: 字符串类型
• 分割:
  • corpus: 示例数量 16072

配置: queries

• 特征:
  • _id: 字符串类型
  • text: 字符串类型
• 分割:
  • queries: 示例数量 9906

数据文件

• 配置名称: queries
  • split: queries
  • path: queries.jsonl
• 配置名称: corpus
  • split: corpus
  • path: corpus.jsonl
• 配置名称: qrels
  • split: test
  • path: qrels/test.jsonl

数据集大小

• 范围: 1K<n<10K