发布 IndicHG 数据集, 应用在 自然语言处理、文本生成 领域

本次发布的数据集 IndicHG, 该数据集是一个经过评估可用于生成标题的多语言数据集，但存在一些重大质量问题，包括数据重复和数据污染。具体来说，包含大量的重复数据对和数据污染问题，这些问题影响了评估指标的准确性。该数据集的规模达到了131万对数据，其任务是标题生成。

查看IndicHG

Dataset card 内容： 

Files and versions 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

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。