Average soft accuracy on metadata question answering datasets.

Figshare2023-11-13 更新2026-04-28 收录

数据链接：

https://figshare.com/articles/dataset/Average_soft_accuracy_on_metadata_question_answering_datasets_/24553966 数据链接链接失效反馈

官方服务：

资源简介：

Average soft accuracy on metadata question answering datasets.

创建时间：

2023-11-13

RepLiQA

医疗问答系统评估

语言模型测试

RepLiQA是一个评估数据集，包含上下文-问题-答案三元组，上下文涉及虚构的实体，如人物或地点，不真实存在。该数据集旨在测试大型语言模型（LLMs）在提供文档中查找和使用上下文信息的能力。与现有问答数据集不同，RepLiQA的非事实性确保模型性能不受LLMs记忆训练数据中事实的能力影响，可以更自信地测试模型利用提供上下文的能力。数据集涵盖17个主题或文档类别，每个文档附带5个问题-答案对。此外，

github2024-06-19 更新321

IaraMed/KPE_results_v2

关键短语提取

医疗问答系统评估

该数据集包含一个问题（pergunta）和对应的答案（resposta），以及多个不同版本和大小（KPE_docs_v* 和 KPE_docs_v*_large）的文档字段。数据集划分为训练集，共有500个示例。

Hugging Face2025-03-04 更新120

relai-ai/rasa-reasoning

对话式AI推理

医疗问答系统评估

这是一个针对问题回答任务的英文数据集，由RELAI使用rasa数据源生成，遵循CC BY 4.0许可。数据集的详细描述在README文件中并未直接给出。

Hugging Face2025-04-21 更新90

lim4349/korquad

机器阅读理解

医疗问答系统评估

--- dataset_info: features: - name: title dtype: string - name: context dtype: string - name: question dtype: string - name: id dtype: string - name: answers struct:

Hugging Face2023-01-03 更新130

math-extraction-comp/allenai__Llama-3.1-Tulu-3-8B-SFT

医疗问答系统评估

模型性能比较

这是一个包含问题、答案、目标、预测以及其他评估分数字段的数据集，用于训练和评估模型。数据集分为训练集，共有1324个示例。

Hugging Face2025-01-26 更新100