SebastianBodza/synthetic_RAG_dataset_ger_de_v02

该数据集包含三种风格的问题：implicit、search string和standard questions，以及正例和硬负例文档示例。此外，所有中间数据也被保留。RAG管线的基准测试显示了不同问题风格的不同结果。生成管线基于vLLM和Mixtral，并提供了一个GitHub链接。

原始信息汇总

合成德语RAG数据集

数据集信息

• 语言: 德语
• 许可证: CC BY-SA 4.0

特征

• topic: 字符串
• questions: 字符串
• gen_questions: 字符串
• Imperative Form: 字符串
• Question: 字符串
• Search String: 字符串
• Positive: 字符串
• Hard Negative: 字符串
• raw_texts: 字符串
• index: 整数

分割

• filtered:
  • 字节数: 513227802
  • 样本数: 79637
• raw:
  • 字节数: 300511330
  • 样本数: 82651

大小

• 下载大小: 338673463
• 数据集大小: 813739132

配置

• config_name: default
  • data_files:
    • split: filtered
      • path: data/filtered-*
    • split: raw
      • path: data/raw-*

数据集描述

该数据集包含三种风格的问句：“隐式”、“搜索字符串”和“标准问句”，以及额外的正例和硬负例文档示例。此外，所有中间数据均被保留。RAG管道的基准测试显示了不同问句风格的不同结果。