avsolatorio/medi-data-mteb_avs_triplets

MEDI+MTEBcls数据集用于论文《GISTEmbed: Guided In-sample Selection of Training Negatives for Text Embedding Fine-tuning》中，该论文探讨了在文本嵌入微调过程中如何选择训练负样本。数据集包含查询、正例、负例、任务名称、查询指令、正例指令、负例指令以及对称性等字段。数据集包含一个训练集，大小为2876373524字节，包含1821458个示例。相关代码可在GitHub上找到。

原始信息汇总

MEDI+MTEBcls 数据集

数据集信息

特征

• query: 字符串类型
• pos: 字符串类型
• neg: 字符串类型
• task_name: 字符串类型
• query_instruct: 字符串类型
• pos_instruct: 字符串类型
• neg_instruct: 字符串类型
• symmetric: 布尔类型

分割

• train: 包含 1821458 个样本，占用 2876373524 字节

大小

• 下载大小: 1426469518 字节
• 数据集大小: 2876373524 字节

配置

• default: 数据文件路径为 data/train-*

引用

@article{solatorio2024gistembed, title={GISTEmbed: Guided In-sample Selection of Training Negatives for Text Embedding Fine-tuning}, author={Aivin V. Solatorio}, journal={arXiv preprint arXiv:2402.16829}, year={2024}, URL={https://arxiv.org/abs/2402.16829}, eprint={2402.16829}, archivePrefix={arXiv}, primaryClass={cs.LG} }