德里信息技术学院发布LittiChoQA数据集,应用在文学问答、低资源语言领域

德里信息技术学院本次发布的数据集LittiChoQA,LittiChoQA是由德里信息技术学院联合推出的印度最大文学QA数据集，涵盖恒河平原地区多种低资源语言。该数据集包含27.4万条自动生成的问答对，数据源自网络公开的文学文本，经GPT-4.1模型处理生成事实型与非事实型平衡的问题。通过OCR技术处理扫描手稿，采用非重叠分块策略确保数据多样性，并配套发布区块级元数据以供溯源。该资源旨在解决印度语系长上下文问答任务的数据短缺问题，支持多语言大模型在文学理解领域的评估与开发。

查看LittiChoQA

关于德里信息技术学院,德里信息技术学院（Indraprastha Institute of Information Technology Delhi，简称IIIT Delhi）是印度一所专注于信息技术和相关领域的研究型大学，位于新德里。该学院提供本科、研究生和博士课程，研究领域包括计算机科学、电子工程、人工智能等。

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。