Atipico1/incontext_webq

---
dataset_info:
features:
- name: question
dtype: string
- name: answers
sequence: string
- name: ctxs
list:
- name: hasanswer
dtype: bool
- name: nli
dtype: string
- name: score
dtype: float64
- name: text
dtype: string
- name: title
dtype: string
- name: gpt_answer_sentence
dtype: string
- name: gpt_adv_sentence
sequence: string
- name: is_valid_adv_sentence
dtype: bool
- name: gpt_adv_passage
sequence: string
- name: is_valid_adv_passage
dtype: bool
- name: similar_entity
dtype: string
- name: gpt_conflict_passage
sequence: string
- name: is_valid_conflict_passage
dtype: bool
splits:
- name: train
num_bytes: 10641906
num_examples: 2032
download_size: 5899260
dataset_size: 10641906
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列表：
- 字段名：问题（question），数据类型：字符串
- 字段名：答案（answers），数据类型：字符串序列
- 字段名：上下文（ctxs），类型为子特征列表，其子特征如下：
- 子字段名：是否包含答案（hasanswer），数据类型：布尔型
- 子字段名：自然语言推理（Natural Language Inference，缩写NLI，原字段名nli），数据类型：字符串
- 子字段名：得分（score），数据类型：双精度浮点数（float64）
- 子字段名：文本（text），数据类型：字符串
- 子字段名：标题（title），数据类型：字符串
- 字段名：GPT回答语句（gpt_answer_sentence），数据类型：字符串
- 字段名：GPT对抗语句（gpt_adv_sentence），数据类型：字符串序列
- 字段名：对抗语句有效性标识（is_valid_adv_sentence），数据类型：布尔型
- 字段名：GPT对抗段落（gpt_adv_passage），数据类型：字符串序列
- 字段名：对抗段落有效性标识（is_valid_adv_passage），数据类型：布尔型
- 字段名：相似实体（similar_entity），数据类型：字符串
- 字段名：GPT冲突段落（gpt_conflict_passage），数据类型：字符串序列
- 字段名：冲突段落有效性标识（is_valid_conflict_passage），数据类型：布尔型
数据集划分：
- 划分名称：训练集（train），占用字节数：10641906，样本数量：2032
下载总大小：5899260
数据集总存储大小：10641906
配置项：
- 配置名称：默认配置（default），数据文件配置：
- 对应划分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• question: 数据类型为字符串。
• answers: 数据类型为字符串序列。
• ctxs: 包含以下子特征：
  • hasanswer: 数据类型为布尔值。
  • nli: 数据类型为字符串。
  • score: 数据类型为浮点数。
  • text: 数据类型为字符串。
  • title: 数据类型为字符串。
• gpt_answer_sentence: 数据类型为字符串。
• gpt_adv_sentence: 数据类型为字符串序列。
• is_valid_adv_sentence: 数据类型为布尔值。
• gpt_adv_passage: 数据类型为字符串序列。
• is_valid_adv_passage: 数据类型为布尔值。
• similar_entity: 数据类型为字符串。
• gpt_conflict_passage: 数据类型为字符串序列。
• is_valid_conflict_passage: 数据类型为布尔值。

数据集分割

• train:
  • 数据大小: 10641906 字节
  • 示例数量: 2032

数据集大小

• 下载大小: 5899260 字节
• 数据集总大小: 10641906 字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*

搜集汇总

背景与挑战

背景概述

该数据集是一个问答数据集，包含2,032个训练样本，每个样本包括问题、答案序列、上下文列表以及GPT生成的答案和验证信息。数据集设计用于支持上下文学习任务，可能用于训练或评估语言模型在多种主题下的问答和对抗性示例处理能力。