巴塞罗那超级计算中心 发布 ACAData 数据集, 应用在 机器翻译、学术摘要 领域

巴塞罗那超级计算中心 本次发布的数据集 ACAData, ACAData数据集是一个高质量的多语言平行语料库，从各种研究机构公开的学术摘要中提取。数据集包含广泛的欧洲语言对在学术领域的段落级翻译，覆盖多个学科的专业内容。数据集分为两个子集：ACAD-train，包含大约150万个人工生成的段落对，涵盖12种语言；ACAD-bench，是一个包含近6000个翻译实例的评估集，涵盖12个方向。该数据集旨在帮助提高机器翻译在学术领域的质量，并通过开源数据集和微调模型，为机器翻译研究社区提供一个有价值的资源。

查看ACAData

Dataset card 内容： 

Files and versions 内容： 

关于 巴塞罗那超级计算中心 , 巴塞罗那超级计算中心（BSC）是一家专注于超级计算、大数据和人工智能研究的科研机构，位于西班牙巴塞罗那。它是欧洲领先的高性能计算中心之一，致力于提供超级计算资源，支持科学研究和技术发展。

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。