该数据集包含多个特征，如问题、答案、URL、组、文档ID、元数据和评估等。评估部分包含内容、文档ID和分数等子特征。数据集有多个分割，每个分割都有特定的字节数和示例数。此外，数据集还提供了配置信息，包括配置名称和数据文件路径。评估部分的JSON数据详细描述了QA、IR、BLEU、ROUGE-L、ES、RAG和RAPTOR等评估指标和相关信息。

Hugging Face2024-08-17 更新220

波兰信息检索基准(PIRB)

信息检索

语言学习技术评估

波兰信息检索基准(PIRB)是一个综合评估框架，包含41个文本信息检索任务，涉及医学、法律、商业等多个领域。数据集不仅整合了现有数据集，还新增了10个未发表的数据集，以覆盖更广泛的主题和需求。PIRB旨在通过广泛的评估，推动波兰语信息检索技术的发展，特别是在模型泛化能力和零样本性能方面。此外，PIRB还引入了三步训练过程，以培养高效的语言特定检索器，并通过知识蒸馏、监督微调和构建稀疏-密集混合检索

arXiv2024-03-11 更新110

sentence-transformers/msmarco-msmarco-distilbert-base-tas-b

信息检索

句子相似度

MS MARCO with hard negatives from msmarco-distilbert-base-tas-b 数据集是一个基于真实用户搜索查询的大规模信息检索语料库，这些查询来自 Bing 搜索引擎。该数据集包含多种三元组（查询、正面、负面）子集，用于训练 Sentence Transformer 模型。这些子集在每对查询-正面样本的负面样本数量以及数据存储为字符串或ID方面有所

Hugging Face2024-05-15 更新250

企业电子档案扫描信息

企业档案管理

信息检索

该目录主要描述企业电子档案扫描信息，包含业务类型、核准日期、案卷标题等信息项

山东公共数据开放网2025-06-28 更新130