坎皮纳斯大学 发布 mMARCO 数据集, 应用在 多语言信息检索、深度学习模型评估 领域

坎皮纳斯大学 本次发布的数据集 mMARCO, mMARCO是一个多语言版本的MS MARCO段落排序数据集，由坎皮纳斯大学神经网络实验室创建，包含13种语言。该数据集通过机器翻译创建，旨在解决非英语语言在信息检索任务中训练资源稀缺的问题。数据集包含超过53万条查询-段落相关对，适用于训练和评估深度学习模型。mMARCO的创建不仅丰富了多语言信息检索的训练资源，还通过零样本学习场景的评估，展示了其对提升模型效果的潜力。

查看mMARCO

README 内容： 

关于 坎皮纳斯大学 , 坎皮纳斯大学（University of Campinas）是巴西的一所公立研究型大学，位于圣保罗州的坎皮纳斯市。该校成立于1966年，是巴西最重要的大学之一，以其在科学、工程和医学领域的研究而闻名。

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。