PaDaS Lab 发布 WebFAQ 数据集, 应用在 自然语言处理、机器学习 领域

PaDaS Lab 本次发布的数据集 WebFAQ, 该数据集是一个大规模的开域问答数据集，来源于FAQ风格的schema.org注释，包含了9600万个自然语言问答对，覆盖了75种语言。其中，非英语样本达4700万个，并为20个单语检索基准提供了基础数据。该数据集已用于微调领域内的预训练XLM-RoBERTa模型，显著提升了检索性能。其规模达到了9600万问答对，任务涵盖了多语言问答和检索。

查看WebFAQ

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。