ai2_arc_with_ir

  • Descripción :

Un nuevo conjunto de datos de 7.787 preguntas científicas de opción múltiple genuinas a nivel de escuela primaria, reunidas para fomentar la investigación en la respuesta avanzada a preguntas. El conjunto de datos se divide en un conjunto de desafío y un conjunto fácil, donde el primero contiene solo preguntas respondidas incorrectamente tanto por un algoritmo basado en recuperación como por un algoritmo de co-ocurrencia de palabras. También incluimos un corpus de más de 14 millones de oraciones científicas relevantes para la tarea y una implementación de tres modelos de referencia neuronal para este conjunto de datos. Planteamos a ARC como un desafío para la comunidad.

En comparación con el conjunto de datos original, esto agrega oraciones de contexto obtenidas a través de la recuperación de información de la misma manera que UnifiedQA (consulte: https://arxiv.org/abs/2005.00700 ).

FeaturesDict({
    'answerKey': ClassLabel(shape=(), dtype=int64, num_classes=5),
    'choices': Sequence({
        'label': ClassLabel(shape=(), dtype=int64, num_classes=5),
        'text': Text(shape=(), dtype=string),
    }),
    'id': Text(shape=(), dtype=string),
    'paragraph': Text(shape=(), dtype=string),
    'question': Text(shape=(), dtype=string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
clave de respuesta Etiqueta de clase int64
opciones Secuencia
opciones/etiqueta Etiqueta de clase int64
opciones/texto Texto cuerda
identificación Texto cuerda
párrafo Texto cuerda
pregunta Texto cuerda
@article{allenai:arc,
      author    = {Peter Clark  and Isaac Cowhey and Oren Etzioni and Tushar Khot and
                    Ashish Sabharwal and Carissa Schoenick and Oyvind Tafjord},
      title     = {Think you have Solved Question Answering? Try ARC, the AI2 Reasoning Challenge},
      journal   = {arXiv:1803.05457v1},
      year      = {2018},
}
@article{2020unifiedqa,
    title={UnifiedQA: Crossing Format Boundaries With a Single QA System},
    author={D. Khashabi and S. Min and T. Khot and A. Sabhwaral and O. Tafjord and P. Clark and H. Hajishirzi},
    journal={arXiv preprint},
    year={2020}
}

ai2_arc_with_ir/ARC-Challenge-IR (configuración predeterminada)

  • Descripción de la configuración : conjunto de desafíos de 2590 preguntas "difíciles" (aquellas que tanto el método de recuperación como el de co-ocurrencia no logran responder correctamente)

  • Tamaño del conjunto de datos : 3.76 MiB

  • Divisiones :

Separar Ejemplos
'test' 1,172
'train' 1,119
'validation' 299

ai2_arc_with_ir/ARC-Easy-IR

  • Descripción de la configuración : Easy Set de 5197 preguntas para el ARC Challenge.

  • Tamaño del conjunto de datos : 7.49 MiB

  • Divisiones :

Separar Ejemplos
'test' 2,376
'train' 2,251
'validation' 570