MicPie/unpredictable_dummies-com
收藏数据集卡片：UnpredicTable-dummies-com
数据集描述
数据集摘要
UnpredicTable 数据集包含从网页表格转换而来的少样本任务，用于微调语言模型以提高其少样本学习性能。
支持的任务和排行榜
数据集涵盖多种任务类型，如多项选择、问答、表格问答、文本分类等。旨在通过微调/预训练来提高少样本学习性能。
语言
英语
数据集结构
数据实例
每个任务以 jsonline 文件形式表示，包含多个少样本示例。每个示例是一个字典，包含任务标识符、输入、选项和输出字段。
数据字段
task: 任务标识符input: 表格中特定行的列元素options: 多项选择分类的选项output: 与输入同一行的目标列元素pageTitle: 包含表格的页面标题outputColName: 输出列名称url: 包含表格的网站链接wdcFile: WDC Web Table Corpus 文件
数据分割
UnpredicTable 数据集没有额外的数据分割。
数据集创建
策划理由
少样本训练多任务数据集已被证明可以提高语言模型在新任务上的少样本学习性能，但尚不清楚哪些训练任务能有效适应下游任务。我们自动从互联网表格中提取了 413,299 个任务，作为研究训练数据与少样本学习关系的研究资源。
源数据
初始数据收集和规范化
使用来自 WDC Web Table Corpus 2015 的英语语言关系子集的互联网表格。
源语言生产者
数据集提取自 WDC Web Table Corpora。
注释
注释过程
手动注释仅针对 UnpredicTable-rated-low、UnpredicTable-rated-medium 和 UnpredicTable-rated-high 数据子集进行任务质量评级。
注释者
注释由实验室助理完成。
个人和敏感信息
数据提取自 WDC Web Table Corpora，可能包含用户身份或其他敏感信息。
使用数据的注意事项
数据集的社会影响
该数据集旨在作为研究资源，用于研究训练数据与少样本学习之间的关系。应谨慎使用，避免用于决策关键或面向用户的场景。
偏见讨论
数据集包含从网页中抓取的表格，可能包含许多有害偏见和文本。未进行偏见分析，也未明确过滤内容。
其他已知限制
无其他已知限制。
附加信息
数据集策展人
Jun Shern Chan, Michael Pieler, Jonathan Jao, Jérémy Scheurer, Ethan Perez
许可信息
Apache 2.0
引用信息
@misc{chan2022few, author = {Chan, Jun Shern and Pieler, Michael and Jao, Jonathan and Scheurer, Jérémy and Perez, Ethan}, title = {Few-shot Adaptation Works with UnpredicTable Data}, publisher={arXiv}, year = {2022}, url = {https://arxiv.org/abs/2208.01009} }
