orionweller/mteb-results-old

Name: orionweller/mteb-results-old
Creator: orionweller
Published: 2024-07-06T18:21:24+08:00

Hugging Face2024-07-06 更新2024-07-06 收录

数据链接：

https://hf-mirror.com/datasets/orionweller/mteb-results-old 数据链接链接失效反馈

官方服务：

资源简介：

--- benchmark: mteb type: evaluation submission_name: MTEB ---

基准测试（benchmark）：大规模文本嵌入基准（MTEB）任务类型（evaluation）：评估提交名称（submission_name）：MTEB

提供机构：

该数据集来自论文《NevIR: Negation in Neural Information Retrieval》，旨在研究否定在神经信息检索中的影响。尽管语言模型（LMs）已成为现代信息检索（IR）架构的核心，但关于否定如何影响神经IR的研究却很少。因此，该研究构建了一个简单的基准测试，要求IR模型对仅通过否定区分的两个文档进行排序。研究结果表明，不同类型的IR架构在处理否定时的表现差异很大：交

Hugging Face2023-05-26 更新290

orionweller/c4-text-zstd-v2

文本处理

自然语言处理

该数据集包含两个配置：c4和msmarco，两者都以zstd格式存储。c4配置包含一个名为train的分割，包含124888064个样本，特征包括text和id，均为字符串类型。msmarco配置同样包含一个名为train的分割，包含8841823个样本，特征也是text和id，均为字符串类型。

Hugging Face2024-10-31 更新130

orionweller/dolma_20_percent_sample

# Example Usage ``` from datasets import load_dataset import huggingface_hub for folder_name in huggingface_hub.list_repo_tree("orionweller/dolma_20_percent_sample", repo_type="dataset"): if f

Hugging Face2024-05-23 更新100

orionweller/dolma_20bn_wiki_upsample

维基百科

自然语言处理

--- dataset_info: features: - name: id dtype: string - name: text dtype: string - name: added dtype: string - name: created dtype: string - name: source dtype: string

Hugging Face2024-06-12 更新220

orionweller/dolma_18bn_prop_stratified_sample

自然语言处理

大数据

该数据集包含多个分片，每个分片包含大量的文本数据。数据集的特征字段包括id、text、added、created、source、original_shard_dir、original_shard_idx和num_tokens。数据集总大小为164479763658字节，下载大小为95195640115字节，共包含16个分片，每个分片的字节数和样本数各不相同。

Hugging Face2024-06-18 更新130

orionweller/mteb-results-old

资源简介：

相关数据集