MicPie/unpredictable_studystack-com

UnpredicTable数据集包含从互联网表格中提取的少样本任务，用于微调语言模型以提高其少样本性能。数据集包含多个版本，如UnpredicTable-full、UnpredicTable-unique、UnpredicTable-5k等，每个版本都有不同的任务数量和来源。数据集支持多种任务类型，如多项选择、问答、文本分类等。数据集的创建目的是研究训练数据与少样本学习之间的关系。数据集包含从WDC Web Table Corpus中提取的表格，未经过滤，可能包含敏感信息。

原始信息汇总

数据集概述

数据集名称

• 名称: UnpredicTable-studystack-com
• 别名: UnpredicTable

数据集描述

• 概述: UnpredicTable 数据集包含从网页表格格式化而来的少量样本任务，用于微调语言模型以提高其少量样本性能。
• 版本: 数据集有多个版本，包括 UnpredicTable-full, UnpredicTable-unique, UnpredicTable-5k 以及基于质量和来源的多个子集。

支持的任务

• 任务类型: 多选题、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、表格分类等。
• 任务示例: 包括多个选择题问答、抽取式问答、开放领域问答等多种任务类型。

语言

• 语言: 英语

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，每个示例包含任务标识、输入、选项和输出等字段。
• 数据字段: 包括任务标识、输入（表格中的列元素）、选项（多选分类的选项）、输出（同一行的目标列元素）等。
• 数据分割: 数据集未提供额外的数据分割。

数据集创建

• 采集理由: 用于研究训练数据与少量样本学习之间的关系，自动从多样化的互联网表格中提取413,299个任务。
• 源数据: 数据来源于WDC Web Table Corpus 2015的英语关系子集。
• 注释过程: 仅对特定子集进行了手动注释以评估任务质量。

使用数据的考虑

• 社会影响: 数据集包含高质量和低质量数据，以及可能不真实或不适当的内容，应谨慎使用。
• 偏见讨论: 数据集可能包含有害偏见和有毒文本，模型训练时应考虑这些因素。

附加信息

• 数据集创建者: Jun Shern Chan, Michael Pieler, Jonathan Jao, Jérémy Scheurer, Ethan Perez
• 许可信息: Apache 2.0
• 引用信息: 请参考提供的引用信息进行引用。