CEIA-RL/questions-Gemma4-31B

该数据集涉及巴西电力部门监管，基于规范性文件生成和评估技术问答对。数据集包含来源、问题（pergunta）、答案（resposta）、裁决（veredito）以及各种用于可追溯性和质量评分的指标。数据集结构适用于训练目的，并包含特定的数据文件配置。

This dataset pertains to the Brazilian Electric Sector Regulation, focusing on generating and evaluating technical question-answer pairs based on normative documents. The dataset includes features such as source, question (pergunta), answer (resposta), verdict (veredito), and various scoring metrics for traceability and quality. The dataset is structured for training purposes with a specific configuration for data files.

搜集汇总

数据集介绍

构建方式

该数据集通过综合运用提示工程与自动化评估技术构建而成。首先，基于巴西电力行业监管法规（ANEEL、PRORET、PRODIST）及公司治理审计领域的专业文献，利用大型语言模型生成大量自包含、高专业性的问答对。随后，引入一个专门的质量评判环节，对生成的每一条问题从可追溯性、语义独立性以及引用规范性等维度进行自动评分与筛选，确保每条数据均能满足信息检索系统的严格标准。最终形成包含近2.1万个样本的训练集，每条样本均带有来源文本、生成问题、标准答案、质量评判结果及多个元数据标签。

特点

该数据集具有显著的结构化与多维度标注特性。每条样本不仅包含基础的源文本（source）、问题（pergunta）和答案（resposta）三元组，还附加了质量评判结论（veredito）、可追溯性评分（rastreabilidade_score）以及是否包含模糊引用（possui_referencia_generica）和是否明确指定源文档（especifica_documento_fonte）等多个二进制与连续性指标。此外，数据集中还保留了文本分块信息（chunks）及来源匹配标志（source_in_chunk、mix_chunk），极大便于研究者深入分析问答生成质量与文本检索之间的内在关联，为构建更精准的检索增强生成系统提供了宝贵的训练与评估资源。

使用方法

该数据集专为训练和评估面向特定领域的检索增强生成系统而设计。使用者可直接加载训练集（train split），利用其中的问题（pergunta）作为查询、相关文本块（chunks）作为检索语料、答案（resposta）作为生成目标，构建标准的端到端流程。元数据字段如veredito可作为标签训练质量过滤模型，rastreabilidade_score则可用于加权采样或作为强化学习奖励信号。数据集以Parquet格式存储，可通过HuggingFace Datasets库便捷加载，推荐使用train-test划分或交叉验证方式评估模型在巴西电力法规领域的问答表现。

背景与挑战

背景概述

该数据集由巴西电力行业监管领域的专家构建，旨在生成基于规范性文档（如ANEEL、PRORET、PRODIST）的高质量问答对，以支持检索增强生成（RAG）系统的训练与评估。数据集创建于2025年，核心研究问题聚焦于如何从复杂的技术法规中自动提取并生成具有高度专业性和可追溯性的问答数据，从而提升法律与电力监管领域NLP系统的性能。其影响力体现在为电力行业自动化合规与审计提供了一种标准化的数据基础，填补了葡萄牙语监管文本问答数据集的空白。

当前挑战

数据集面临的核心挑战包括：1）领域问题方面，如何确保生成的问答对具备严格的技术准确性与法律合规性，以应对电力监管领域中术语精确性和规则复杂性的要求；2）构建过程中，需解决从冗长且结构复杂的法规文档中自动消除元引用（如“根据该文件”）并生成独立可检索问题的问题，同时保证每个问题包含充分的实体信息以支持RAG系统中的文档追溯，避免产生模糊或不可检索的低质量样本。

常用场景

经典使用场景

该数据集专为电力监管领域的检索增强生成（RAG）系统而设计，其核心应用在于生成高质量、可追溯的问答对，用于训练和评估基于巴西国家电力局（ANEEL）法规的智能问答模型。数据集中的每条记录包含源文本、问题、答案以及详细的元数据，如可追溯性评分、是否存在通用引用、是否指定源文档等，这使其成为构建和验证RAG管道中文档检索与答案生成精度的理想基准。通过该数据集，开发者能够系统性地测试模型能否从特定法规片段中提取并合成准确信息，从而推动法律科技与能源监管领域的人工智能应用。

衍生相关工作

围绕该数据集，研究者可进一步衍生出多项经典工作，包括但不限于：基于可追溯性评分的自动问题生成（AQG）模型改进，探索如何利用元数据设计奖励函数来增强问题的检索唯一性；双语或多领域法规问答系统的迁移学习实验，对比该数据集与通用法律问答集（如CUAD）的领域适配差异；以及可解释性研究，通过分析数据集中的源文档匹配特征，构建能够输出引用来源的透明化法规问答系统。这些工作将共同推动专用领域问答数据集设计与评测范式的演进。

数据集最近研究

最新研究方向

该数据集聚焦于巴西电力行业监管法规的语义理解与检索增强生成（RAG）系统优化，通过构建高质量、自包含的葡萄牙语问答对，提升模型在ANEEL、PRORET等专业规范上的信息抽取精度与溯源性。前沿方向涵盖基于归因评分与文档源验证的合成数据质量评估框架，旨在消除指代歧义、增强问答对的独立性与可检索性，从而推动电力监管领域智能决策支持系统的可靠落地。