Gameselo/monolingual-wideNLI

该数据集是一个用于自然语言推理（NLI）任务的单语（英语）数据集，特别面向事实核查任务。数据集包含训练集、开发集和多个测试集。开发集旨在教导模型如何处理纯NLI任务，而测试集则用于评估模型的一般知识（事实核查技能）。数据集的特征包括前提（premise）、假设（hypothesis）和标签（label），标签分为三类：蕴含（entailment）、中立（neutral）和矛盾（contradiction）。数据集的大小在100M到1B之间，包含多个配置文件和标签，如自然语言推理和事实核查。

原始信息汇总

数据集概述

语言

• 英语

大小类别

• 100M<n<1B

任务类别

• 文本分类

数据集信息

特征

• premise: 字符串类型
• hypothesis: 字符串类型
• label:
  • 类别标签:
    • 0: entailment
    • 1: neutral
    • 2: contradiction

分割

• train:
  • 字节数: 370699678.0762534
  • 样本数: 1688053
• dev:
  • 字节数: 5041282.50235704
  • 样本数: 14450
• test_anli_r1:
  • 字节数: 405400.0
  • 样本数: 1000
• test_anli_r2:
  • 字节数: 405263.0
  • 样本数: 1000
• test_anli_r3:
  • 字节数: 468098.0
  • 样本数: 1200
• test_vitaminc:
  • 字节数: 1291371.9832599598
  • 样本数: 5520

下载和数据集大小

• 下载大小: 196618794
• 数据集大小: 378311093.56187046

配置

• default:
  • 数据文件:
    • train: data/train-*
    • dev: data/dev-*
    • test_anli_r1: data/test_anli_r1-*
    • test_anli_r2: data/test_anli_r2-*
    • test_anli_r3: data/test_anli_r3-*
    • test_vitaminc: data/test_vitaminc-*

标签

• 自然语言推理
• 事实核查