rasdani/cohere-wikipedia-2023-11-en-queries

该数据集名为cohere-wikipedia-2023-11-en-queries，包含1500个示例，主要用于存储与Wikipedia相关的查询和回答。数据集的特征包括_id、url、title、text、score、views、model_name和query。数据集是通过distilabel工具生成的，并提供了一个pipeline.yaml文件用于复现生成过程。

原始信息汇总

数据集卡片 for cohere-wikipedia-2023-11-en-queries

数据集概述

该数据集包含一个 pipeline.yaml 文件，可以使用 distilabel CLI 重现生成该数据集的管道：

console distilabel pipeline run --config "https://huggingface.co/datasets/rasdani/cohere-wikipedia-2023-11-en-queries/raw/main/pipeline.yaml"

或者探索配置：

console distilabel pipeline info --config "https://huggingface.co/datasets/rasdani/cohere-wikipedia-2023-11-en-queries/raw/main/pipeline.yaml"

数据集结构

每个配置的示例具有以下结构：

<details><summary> 配置: default </summary><hr>

json { "_id": "20231101.en_399353_52", "model_name": "gpt-4o", "query": "When did the show "Bewitched" start airing on WGN America?", "score": 1.0, "text": "In September 2008, the show began to air on WGN America, and in October 2012, it began to air on Logo, limited to the middle seasons.", "title": "Bewitched", "url": "https://en.wikipedia.org/wiki/Bewitched", "views": 22918.295425348486 }

该子集可以加载为：

python from datasets import load_dataset

ds = load_dataset("rasdani/cohere-wikipedia-2023-11-en-queries", "default")

或者简单地加载，因为只有一个配置并且命名为 default：

python from datasets import load_dataset

ds = load_dataset("rasdani/cohere-wikipedia-2023-11-en-queries")

</details>