Heidelberg Institute for Theoretical Studies gGmbH 发布 XRAG 数据集, 应用在 自然语言处理、跨语言检索 领域

Heidelberg Institute for Theoretical Studies gGmbH 本次发布的数据集 XRAG, XRAG数据集是一个新型的基准，用于评估大型语言模型在跨语言检索增强生成（RAG）场景下的生成能力。该数据集由最近的新闻文章构建，确保其问题需要外部知识才能回答，并覆盖了单语和多语检索的真实世界场景。数据集包含四种语言（阿拉伯语、中文、德语和西班牙语），以及两种检索场景（单语检索和多语检索）。每个实例包含一个问题、一个答案、两篇支持文章和六篇无关文章。XRAG数据集的构建过程包括寻找相关文章对、生成跨文档问答对、质量控制、人工翻译和收集无关文章。

查看XRAG

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。