Sarus Tech 发布 Synthetic Documents 数据集, 应用在 算法测试、隐私保护 领域

Sarus Tech 本次发布的数据集 Synthetic Documents, 该数据集是为了测试DP-RAG算法而合成的文档集合，确保语言模型在处理数据前不具备任何先验知识。该数据集特别设计用于促进隐私保护的文档检索，并且不包含任何真实个人数据。规模大约包含5000份文档，其任务是测试在文档检索与生成中的差分隐私性能。

查看Synthetic Documents

Dataset card 内容： 

Files and versions 内容： 

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。