alfredplpl/wikipedia-qa-ja-100k

该数据集是一个日语问答数据集，包含超过10万条数据。数据集的创建过程包括从原始数据集中提取标题的第一行，并使用LLM（CALM 2 7B Chat）生成答案。RAG-like提示用于生成答案。数据集的特征包括id、url、question和answer。数据集分为训练集，包含106,876个示例，总大小为29,293,461字节。

原始信息汇总

数据集概述

基本信息

• 语言: 日语 (ja)
• 许可证: CC BY-SA 3.0
• 数据集大小分类: 100K<n<1M
• 任务分类: 问答 (question-answering)

数据集结构

特征

• id: 字符串类型
• url: 字符串类型
• question: 字符串类型
• answer: 字符串类型

分割

• 训练集 (train)
  • 字节数: 29293461
  • 样本数: 106876

下载与大小

• 下载大小: 0
• 数据集大小: 29293461

配置

• 默认配置 (default)
  • 数据文件:
    • 分割: 训练集
    • 路径: data/train-*