hgissbkh/CMedQAv2-reranking

---
dataset_info:
- config_name: acge_text_embedding
features:
- name: query
dtype: string
- name: docs
sequence: string
- name: query_enc
sequence: float64
- name: docs_enc
sequence:
sequence: float64
- name: cos_scores
sequence: float64
- name: target
sequence: int64
splits:
- name: train
num_bytes: 1480365770
num_examples: 1000
download_size: 1129623840
dataset_size: 1480365770
- config_name: gte-large-zh
features:
- name: query
dtype: string
- name: docs
sequence: string
- name: query_enc
sequence: float64
- name: docs_enc
sequence:
sequence: float64
- name: cos_scores
sequence: float64
- name: target
sequence: int64
splits:
- name: train
num_bytes: 859821770
num_examples: 1000
download_size: 656784901
dataset_size: 859821770
- config_name: multilingual-e5-base
features:
- name: query
dtype: string
- name: docs
sequence: string
- name: query_enc
sequence: float64
- name: docs_enc
sequence:
sequence: float64
- name: cos_scores
sequence: float64
- name: target
sequence: int64
splits:
- name: train
num_bytes: 652973770
num_examples: 1000
download_size: 497427217
dataset_size: 652973770
- config_name: multilingual-e5-large
features:
- name: query
dtype: string
- name: docs
sequence: string
- name: query_enc
sequence: float64
- name: docs_enc
sequence:
sequence: float64
- name: cos_scores
sequence: float64
- name: target
sequence: int64
splits:
- name: train
num_bytes: 859821770
num_examples: 1000
download_size: 655364260
dataset_size: 859821770
- config_name: multilingual-e5-small
features:
- name: query
dtype: string
- name: docs
sequence: string
- name: query_enc
sequence: float64
- name: docs_enc
sequence:
sequence: float64
- name: cos_scores
sequence: float64
- name: target
sequence: int64
splits:
- name: train
num_bytes: 342701770
num_examples: 1000
download_size: 257606818
dataset_size: 342701770
- config_name: stella-mrl-large-zh-v3.5-1792d
features:
- name: query
dtype: string
- name: docs
sequence: string
- name: query_enc
sequence: float64
- name: docs_enc
sequence:
sequence: float64
- name: cos_scores
sequence: float64
- name: target
sequence: int64
splits:
- name: train
num_bytes: 1480365770
num_examples: 1000
download_size: 1129866917
dataset_size: 1480365770
configs:
- config_name: acge_text_embedding
data_files:
- split: train
path: acge_text_embedding/train-*
- config_name: gte-large-zh
data_files:
- split: train
path: gte-large-zh/train-*
- config_name: multilingual-e5-base
data_files:
- split: train
path: multilingual-e5-base/train-*
- config_name: multilingual-e5-large
data_files:
- split: train
path: multilingual-e5-large/train-*
- config_name: multilingual-e5-small
data_files:
- split: train
path: multilingual-e5-small/train-*
- config_name: stella-mrl-large-zh-v3.5-1792d
data_files:
- split: train
path: stella-mrl-large-zh-v3.5-1792d/train-*
---

### 数据集信息
本数据集包含6个配置项，各配置详情如下：

1. **配置名称：acge_text_embedding**
数据集特征字段：
- `query`：数据类型为字符串（string）
- `docs`：字符串序列
- `query_enc`：64位浮点数序列
- `docs_enc`：双层64位浮点数序列
- `cos_scores`：64位浮点数序列
- `target`：64位整型序列
数据集划分：仅包含训练集（train），该划分字节大小为1480365770，样本总数为1000。
数据集下载体积为1129623840，总存储体积为1480365770。

2. **配置名称：gte-large-zh**
数据集特征字段：
- `query`：数据类型为字符串（string）
- `docs`：字符串序列
- `query_enc`：64位浮点数序列
- `docs_enc`：双层64位浮点数序列
- `cos_scores`：64位浮点数序列
- `target`：64位整型序列
数据集划分：仅包含训练集（train），该划分字节大小为859821770，样本总数为1000。
数据集下载体积为656784901，总存储体积为859821770。

3. **配置名称：multilingual-e5-base**
数据集特征字段：
- `query`：数据类型为字符串（string）
- `docs`：字符串序列
- `query_enc`：64位浮点数序列
- `docs_enc`：双层64位浮点数序列
- `cos_scores`：64位浮点数序列
- `target`：64位整型序列
数据集划分：仅包含训练集（train），该划分字节大小为652973770，样本总数为1000。
数据集下载体积为497427217，总存储体积为652973770。

4. **配置名称：multilingual-e5-large**
数据集特征字段：
- `query`：数据类型为字符串（string）
- `docs`：字符串序列
- `query_enc`：64位浮点数序列
- `docs_enc`：双层64位浮点数序列
- `cos_scores`：64位浮点数序列
- `target`：64位整型序列
数据集划分：仅包含训练集（train），该划分字节大小为859821770，样本总数为1000。
数据集下载体积为655364260，总存储体积为859821770。

5. **配置名称：multilingual-e5-small**
数据集特征字段：
- `query`：数据类型为字符串（string）
- `docs`：字符串序列
- `query_enc`：64位浮点数序列
- `docs_enc`：双层64位浮点数序列
- `cos_scores`：64位浮点数序列
- `target`：64位整型序列
数据集划分：仅包含训练集（train），该划分字节大小为342701770，样本总数为1000。
数据集下载体积为257606818，总存储体积为342701770。

6. **配置名称：stella-mrl-large-zh-v3.5-1792d**
数据集特征字段：
- `query`：数据类型为字符串（string）
- `docs`：字符串序列
- `query_enc`：64位浮点数序列
- `docs_enc`：双层64位浮点数序列
- `cos_scores`：64位浮点数序列
- `target`：64位整型序列
数据集划分：仅包含训练集（train），该划分字节大小为1480365770，样本总数为1000。
数据集下载体积为1129866917，总存储体积为1480365770。

### 数据集配置详情
所有配置均仅对应训练集划分，数据文件路径格式为`{配置名称}/train-*`，具体如下：
1. 配置`acge_text_embedding`：数据文件路径为`acge_text_embedding/train-*`
2. 配置`gte-large-zh`：数据文件路径为`gte-large-zh/train-*`
3. 配置`multilingual-e5-base`：数据文件路径为`multilingual-e5-base/train-*`
4. 配置`multilingual-e5-large`：数据文件路径为`multilingual-e5-large/train-*`
5. 配置`multilingual-e5-small`：数据文件路径为`multilingual-e5-small/train-*`
6. 配置`stella-mrl-large-zh-v3.5-1792d`：数据文件路径为`stella-mrl-large-zh-v3.5-1792d/train-*`

原始信息汇总

数据集概述

数据集配置名称：acge_text_embedding

• 特征:
  • query: 字符串类型
  • docs: 字符串序列类型
  • query_enc: 浮点数序列类型
  • docs_enc: 浮点数序列类型
  • cos_scores: 浮点数序列类型
  • target: 整数序列类型
• 分割:
  • train: 1000个样本，占用1480365770字节
• 下载大小: 1129623840字节
• 数据集大小: 1480365770字节

数据集配置名称：gte-large-zh

• 特征:
  • query: 字符串类型
  • docs: 字符串序列类型
  • query_enc: 浮点数序列类型
  • docs_enc: 浮点数序列类型
  • cos_scores: 浮点数序列类型
  • target: 整数序列类型
• 分割:
  • train: 1000个样本，占用859821770字节
• 下载大小: 656784901字节
• 数据集大小: 859821770字节

数据集配置名称：multilingual-e5-base

• 特征:
  • query: 字符串类型
  • docs: 字符串序列类型
  • query_enc: 浮点数序列类型
  • docs_enc: 浮点数序列类型
  • cos_scores: 浮点数序列类型
  • target: 整数序列类型
• 分割:
  • train: 1000个样本，占用652973770字节
• 下载大小: 497427217字节
• 数据集大小: 652973770字节

数据集配置名称：multilingual-e5-large

• 特征:
  • query: 字符串类型
  • docs: 字符串序列类型
  • query_enc: 浮点数序列类型
  • docs_enc: 浮点数序列类型
  • cos_scores: 浮点数序列类型
  • target: 整数序列类型
• 分割:
  • train: 1000个样本，占用859821770字节
• 下载大小: 655364260字节
• 数据集大小: 859821770字节

数据集配置名称：multilingual-e5-small

• 特征:
  • query: 字符串类型
  • docs: 字符串序列类型
  • query_enc: 浮点数序列类型
  • docs_enc: 浮点数序列类型
  • cos_scores: 浮点数序列类型
  • target: 整数序列类型
• 分割:
  • train: 1000个样本，占用342701770字节
• 下载大小: 257606818字节
• 数据集大小: 342701770字节

数据集配置名称：stella-mrl-large-zh-v3.5-1792d

• 特征:
  • query: 字符串类型
  • docs: 字符串序列类型
  • query_enc: 浮点数序列类型
  • docs_enc: 浮点数序列类型
  • cos_scores: 浮点数序列类型
  • target: 整数序列类型
• 分割:
  • train: 1000个样本，占用1480365770字节
• 下载大小: 1129866917字节
• 数据集大小: 1480365770字节