MS MARCO TR - 难负样本数据集是一个土耳其语数据集，专为语义搜索、密集检索和嵌入模型训练而设计。它包含了大约500k到1M的训练三元组，由查询、正样本和10个难负样本组成，这些难负样本是语义上与查询相似但不是正确答案的段落。数据集通过使用emrecan/bert-base-turkish-cased-mean-nli-stsb-tr模型挖掘得到，适用于训练句子嵌入模型以提高信息检索任务
MS MARCO hard negatives数据集是一个用于句子相似性任务的数据集，包含查询、正面例子和负面例子。该数据集来源于BeIR/msmarco和sentence-transformers/msmarco-hard-negatives，格式为nixietune兼容格式。数据集包含502939个查询，仅包含正面例子。
