SEACrowd/miracl

MIRACL是一个多语言数据集，支持18种语言的检索任务，涵盖了超过30亿的母语使用者。该数据集主要用于单语检索任务，即查询和语料库使用同一种语言。数据集包含了超过726,000个高质量的相关性判断，涉及78,000个查询，所有标注均由母语使用者完成。MIRACL数据集特别涵盖了印尼语和泰语。使用该数据集前，用户需要接受确认并使用huggingface-cli进行身份验证。