jvonrad/multilingual-mcq-consistency

---
language:
- en
- de
- id
- pt
- ar
- bn
- sw
- es
- ru
- fr
- ja
- zh
task_categories:
- multiple-choice
pretty_name: Multilingual MCQ Consistency Dataset
configs:
- config_name: default
data_files:
- split: train
path: train.jsonl
- split: validation
path: validation.jsonl
- split: test
path: test.jsonl
---

# Multilingual MCQ Consistency Dataset

Multilingual factual multiple-choice QA dataset across 12 languages.

## Structure

Each example contains:
- `fact_id`
- `property_id`
- `subject`, `relation`, `object`
- `langs`: dict of language-specific QA

Each language entry:
- `question`
- `answer_text`
- `options`

```json
{
"fact_id": "...",
"property_id": "...",
"langs": {
"en": { "question": "...", "answer_text": "...", "options": [...] },
...
}
}
```

## Use case

Designed for:
- RL training (reward = correctness + cross-lingual consistency)
- multilingual evaluation

---
language:
- 英语（en）
- 德语（de）
- 印尼语（id）
- 葡萄牙语（pt）
- 阿拉伯语（ar）
- 孟加拉语（bn）
- 斯瓦西里语（sw）
- 西班牙语（es）
- 俄语（ru）
- 法语（fr）
- 日语（ja）
- 中文（zh）
task_categories:
- 多项选择（multiple-choice）
pretty_name: 多语言多项选择题一致性数据集（Multilingual MCQ Consistency Dataset）
configs:
- config_name: default
data_files:
- split: train
path: train.jsonl
- split: validation
path: validation.jsonl
- split: test
path: test.jsonl
---

# 多语言多项选择题一致性数据集

本数据集为覆盖12种语言的多语言事实类多项选择问答数据集。

## 数据结构

每个样本包含以下字段：
- `fact_id`：事实ID
- `property_id`：属性ID
- `subject`、`relation`、`object`：主题、关系与客体
- `langs`：存储各语言专属问答信息的字典

各语言问答条目包含：
- `question`：问题文本
- `answer_text`：正确答案文本
- `options`：候选选项列表

json
{
"fact_id": "...",
"property_id": "...",
"langs": {
"en": { "question": "...", "answer_text": "...", "options": [...] },
...
}
}

## 应用场景

本数据集专为以下场景设计：
- 强化学习（Reinforcement Learning, RL）训练（奖励函数由正确性与跨语言一致性共同构成）
- 多语言模型评估