MicPie/unpredictable_cluster22

UnpredicTable数据集由互联网表格格式化而成的少样本任务组成，旨在通过微调语言模型来提高其少样本学习性能。数据集包含多个版本，如UnpredicTable-full、UnpredicTable-unique、UnpredicTable-5k等，每个版本包含不同数量的任务和表格。数据集支持多种任务类别，如多项选择、问答、文本生成等。数据集的创建基于WDC Web Table Corpus 2015，并通过自动化流程将表格转换为少样本学习任务。数据集未进行人工标注，但部分子集进行了任务质量的人工评级。数据集可能包含敏感信息，使用时需谨慎。

原始信息汇总

数据集概述

数据集名称

• 名称: UnpredicTable-cluster22
• 别名: UnpredicTable

数据集描述

• 概述: UnpredicTable 数据集包含从网页表格转换而来的少量样本任务，用于微调语言模型以提高其在少量样本学习（Few-shot Learning）中的表现。
• 版本: 数据集有多个版本，包括 UnpredicTable-full, UnpredicTable-unique, UnpredicTable-5k 等，以及基于人类质量评级的子集和基于网站来源的子集。

语言

• 主要语言: 英语

许可

• 许可证: Apache 2.0

多语言性

• 类型: 单语种

数据集大小

• 规模: 100K<n<1M

任务类型

• 支持的任务:
  • 多项选择
  • 问答
  • 零样本分类
  • 文本到文本生成
  • 表格问答
  • 文本生成
  • 文本分类
  • 表格分类

数据集结构

• 数据实例: 每个任务以jsonline文件形式表示，包含多个少量样本示例。每个示例包括task, input, options, output等字段。
• 数据字段: 包括task, input, options, output, pageTitle, title, outputColName, url, wdcFile等。
• 数据分割: 数据集未提供额外的数据分割。

数据集创建

• 来源数据: 数据源自WDC Web Table Corpus 2015的英语关系子集，包含50,820,165个表格。
• 注释过程: 仅对特定子集进行了人工注释以评估任务质量。
• 个人和敏感信息: 数据集可能包含未过滤的个人或敏感信息。

使用考虑

• 社会影响: 数据集用于研究训练数据与少量样本学习之间的关系，不应用于决策关键或面向用户的场景。
• 偏见讨论: 数据集可能包含有害偏见，未进行偏见分析。

附加信息

• 数据集创建者: Jun Shern Chan, Michael Pieler, Jonathan Jao, Jérémy Scheurer, Ethan Perez
• 引用信息: 请参考提供的引用信息。