nthakur-backup/bge-retrieval-data-msmarco-5K-replaced

---
dataset_info:
features:
- name: query_id
dtype: string
- name: query
dtype: string
- name: positive_passages
list:
- name: docid
dtype: string
- name: text
dtype: string
- name: title
dtype: string
- name: negative_passages
list:
- name: docid
dtype: string
- name: text
dtype: string
- name: title
dtype: string
- name: subset
dtype: string
splits:
- name: train
num_bytes: 63272995
num_examples: 5796
download_size: 37044088
dataset_size: 63272995
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 名称：查询标识符（query_id），数据类型：字符串
- 名称：查询文本（query），数据类型：字符串
- 名称：正例段落（positive_passages），为列表类型，包含子字段：
- 文档标识符（docid），数据类型：字符串
- 段落文本（text），数据类型：字符串
- 标题（title），数据类型：字符串
- 名称：负例段落（negative_passages），为列表类型，包含子字段：
- 文档标识符（docid），数据类型：字符串
- 段落文本（text），数据类型：字符串
- 标题（title），数据类型：字符串
- 名称：子集标识（subset），数据类型：字符串
划分集：
- 名称：训练集（train），字节占用量：63272995，样本数量：5796
下载大小：37044088
数据集总大小：63272995
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分集：训练集（train），文件路径：data/train-*