hgissbkh/CMedQAv1-reranking

--- dataset_info: - config_name: acge_text_embedding features: - name: query dtype: string - name: docs sequence: string - name: query_enc sequence: float64 - name: docs_enc sequence: sequence: float64 - name: cos_scores sequence: float64 - name: target sequence: int64 splits: - name: train num_bytes: 1481827155 num_examples: 1000 download_size: 1130586044 dataset_size: 1481827155 - config_name: gte-large-zh features: - name: query dtype: string - name: docs sequence: string - name: query_enc sequence: float64 - name: docs_enc sequence: sequence: float64 - name: cos_scores sequence: float64 - name: target sequence: int64 splits: - name: train num_bytes: 861283155 num_examples: 1000 download_size: 657766982 dataset_size: 861283155 - config_name: multilingual-e5-base features: - name: query dtype: string - name: docs sequence: string - name: query_enc sequence: float64 - name: docs_enc sequence: sequence: float64 - name: cos_scores sequence: float64 - name: target sequence: int64 splits: - name: train num_bytes: 654435155 num_examples: 1000 download_size: 498425634 dataset_size: 654435155 - config_name: multilingual-e5-large features: - name: query dtype: string - name: docs sequence: string - name: query_enc sequence: float64 - name: docs_enc sequence: sequence: float64 - name: cos_scores sequence: float64 - name: target sequence: int64 splits: - name: train num_bytes: 861283155 num_examples: 1000 download_size: 656363527 dataset_size: 861283155 - config_name: multilingual-e5-small features: - name: query dtype: string - name: docs sequence: string - name: query_enc sequence: float64 - name: docs_enc sequence: sequence: float64 - name: cos_scores sequence: float64 - name: target sequence: int64 splits: - name: train num_bytes: 344163155 num_examples: 1000 download_size: 258565410 dataset_size: 344163155 - config_name: stella-mrl-large-zh-v3.5-1792d features: - name: query dtype: string - name: docs sequence: string - name: query_enc sequence: float64 - name: docs_enc sequence: sequence: float64 - name: cos_scores sequence: float64 - name: target sequence: int64 splits: - name: train num_bytes: 1481827155 num_examples: 1000 download_size: 1130825185 dataset_size: 1481827155 configs: - config_name: acge_text_embedding data_files: - split: train path: acge_text_embedding/train-* - config_name: gte-large-zh data_files: - split: train path: gte-large-zh/train-* - config_name: multilingual-e5-base data_files: - split: train path: multilingual-e5-base/train-* - config_name: multilingual-e5-large data_files: - split: train path: multilingual-e5-large/train-* - config_name: multilingual-e5-small data_files: - split: train path: multilingual-e5-small/train-* - config_name: stella-mrl-large-zh-v3.5-1792d data_files: - split: train path: stella-mrl-large-zh-v3.5-1792d/train-* ---数据集信息： - 配置名称：acge_text_embedding 特征字段： - 字段名：查询（query），数据类型：字符串 - 字段名：文档（docs），数据类型：字符串序列 - 字段名：查询编码（query_enc），数据类型：64位浮点数序列 - 字段名：文档编码（docs_enc），数据类型：双层64位浮点数序列 - 字段名：余弦相似度得分（cos_scores），数据类型：64位浮点数序列 - 字段名：目标标签（target），数据类型：64位整数序列 数据集划分： - 划分集：训练集（train），占用字节数：1481827155，样本数量：1000 下载大小：1130586044，数据集存储大小：1481827155 - 配置名称：gte-large-zh 特征字段： - 字段名：查询（query），数据类型：字符串 - 字段名：文档（docs），数据类型：字符串序列 - 字段名：查询编码（query_enc），数据类型：64位浮点数序列 - 字段名：文档编码（docs_enc），数据类型：双层64位浮点数序列 - 字段名：余弦相似度得分（cos_scores），数据类型：64位浮点数序列 - 字段名：目标标签（target），数据类型：64位整数序列 数据集划分： - 划分集：训练集（train），占用字节数：861283155，样本数量：1000 下载大小：657766982，数据集存储大小：861283155 - 配置名称：multilingual-e5-base 特征字段： - 字段名：查询（query），数据类型：字符串 - 字段名：文档（docs），数据类型：字符串序列 - 字段名：查询编码（query_enc），数据类型：64位浮点数序列 - 字段名：文档编码（docs_enc），数据类型：双层64位浮点数序列 - 字段名：余弦相似度得分（cos_scores），数据类型：64位浮点数序列 - 字段名：目标标签（target），数据类型：64位整数序列 数据集划分： - 划分集：训练集（train），占用字节数：654435155，样本数量：1000 下载大小：498425634，数据集存储大小：654435155 - 配置名称：multilingual-e5-large 特征字段： - 字段名：查询（query），数据类型：字符串 - 字段名：文档（docs），数据类型：字符串序列 - 字段名：查询编码（query_enc），数据类型：64位浮点数序列 - 字段名：文档编码（docs_enc），数据类型：双层64位浮点数序列 - 字段名：余弦相似度得分（cos_scores），数据类型：64位浮点数序列 - 字段名：目标标签（target），数据类型：64位整数序列 数据集划分： - 划分集：训练集（train），占用字节数：861283155，样本数量：1000 下载大小：656363527，数据集存储大小：861283155 - 配置名称：multilingual-e5-small 特征字段： - 字段名：查询（query），数据类型：字符串 - 字段名：文档（docs），数据类型：字符串序列 - 字段名：查询编码（query_enc），数据类型：64位浮点数序列 - 字段名：文档编码（docs_enc），数据类型：双层64位浮点数序列 - 字段名：余弦相似度得分（cos_scores），数据类型：64位浮点数序列 - 字段名：目标标签（target），数据类型：64位整数序列 数据集划分： - 划分集：训练集（train），占用字节数：344163155，样本数量：1000 下载大小：258565410，数据集存储大小：344163155 - 配置名称：stella-mrl-large-zh-v3.5-1792d 特征字段： - 字段名：查询（query），数据类型：字符串 - 字段名：文档（docs），数据类型：字符串序列 - 字段名：查询编码（query_enc），数据类型：64位浮点数序列 - 字段名：文档编码（docs_enc），数据类型：双层64位浮点数序列 - 字段名：余弦相似度得分（cos_scores），数据类型：64位浮点数序列 - 字段名：目标标签（target），数据类型：64位整数序列 数据集划分： - 划分集：训练集（train），占用字节数：1481827155，样本数量：1000 下载大小：1130825185，数据集存储大小：1481827155 配置项： - 配置名称：acge_text_embedding，数据文件： - 划分集：训练集（train），文件路径：acge_text_embedding/train-* - 配置名称：gte-large-zh，数据文件： - 划分集：训练集（train），文件路径：gte-large-zh/train-* - 配置名称：multilingual-e5-base，数据文件： - 划分集：训练集（train），文件路径：multilingual-e5-base/train-* - 配置名称：multilingual-e5-large，数据文件： - 划分集：训练集（train），文件路径：multilingual-e5-large/train-* - 配置名称：multilingual-e5-small，数据文件： - 划分集：训练集（train），文件路径：multilingual-e5-small/train-* - 配置名称：stella-mrl-large-zh-v3.5-1792d，数据文件： - 划分集：训练集（train），文件路径：stella-mrl-large-zh-v3.5-1792d/train-*

原始信息汇总

数据集概述

数据集配置

1. acge_text_embedding

• 特征:
  • query: 字符串类型
  • docs: 字符串序列
  • query_enc: 浮点数序列
  • docs_enc: 浮点数序列的序列
  • cos_scores: 浮点数序列
  • target: 整数序列
• 分割:
  • train:
    • 字节数: 1481827155
    • 样本数: 1000
• 下载大小: 1130586044
• 数据集大小: 1481827155

2. gte-large-zh

• 特征:
  • query: 字符串类型
  • docs: 字符串序列
  • query_enc: 浮点数序列
  • docs_enc: 浮点数序列的序列
  • cos_scores: 浮点数序列
  • target: 整数序列
• 分割:
  • train:
    • 字节数: 861283155
    • 样本数: 1000
• 下载大小: 657766982
• 数据集大小: 861283155

3. multilingual-e5-base

• 特征:
  • query: 字符串类型
  • docs: 字符串序列
  • query_enc: 浮点数序列
  • docs_enc: 浮点数序列的序列
  • cos_scores: 浮点数序列
  • target: 整数序列
• 分割:
  • train:
    • 字节数: 654435155
    • 样本数: 1000
• 下载大小: 498425634
• 数据集大小: 654435155

4. multilingual-e5-large

• 特征:
  • query: 字符串类型
  • docs: 字符串序列
  • query_enc: 浮点数序列
  • docs_enc: 浮点数序列的序列
  • cos_scores: 浮点数序列
  • target: 整数序列
• 分割:
  • train:
    • 字节数: 861283155
    • 样本数: 1000
• 下载大小: 656363527
• 数据集大小: 861283155

5. multilingual-e5-small

• 特征:
  • query: 字符串类型
  • docs: 字符串序列
  • query_enc: 浮点数序列
  • docs_enc: 浮点数序列的序列
  • cos_scores: 浮点数序列
  • target: 整数序列
• 分割:
  • train:
    • 字节数: 344163155
    • 样本数: 1000
• 下载大小: 258565410
• 数据集大小: 344163155

6. stella-mrl-large-zh-v3.5-1792d

• 特征:
  • query: 字符串类型
  • docs: 字符串序列
  • query_enc: 浮点数序列
  • docs_enc: 浮点数序列的序列
  • cos_scores: 浮点数序列
  • target: 整数序列
• 分割:
  • train:
    • 字节数: 1481827155
    • 样本数: 1000
• 下载大小: 1130825185
• 数据集大小: 1481827155

数据文件路径

• acge_text_embedding:
  • train: acge_text_embedding/train-*
• gte-large-zh:
  • train: gte-large-zh/train-*
• multilingual-e5-base:
  • train: multilingual-e5-base/train-*
• multilingual-e5-large:
  • train: multilingual-e5-large/train-*
• multilingual-e5-small:
  • train: multilingual-e5-small/train-*
• stella-mrl-large-zh-v3.5-1792d:
  • train: stella-mrl-large-zh-v3.5-1792d/train-*