数据集简介
这是一个用于检索结果重排序（Re-ranking） 的数据集，由Castorini团队发布。它专门设计用于训练和评估基于大语言模型（LLM）的重排序方法。
主要用途
该数据集的核心目的是帮助研究人员和开发者提升信息检索系统的精度。通过使用大语言模型对初步检索到的文档列表进行重新排序，可以将更相关的结果排在前面。
数据类型与模态
- 模态：纯文本（Text）
- 格式：JSON
- 内容：数据集中包含了查询（query）和对应的候选文档，并提供了相关性判断，用于训练和评估重排序模型。
规模与统计
- 数据量：包含 720 行数据。
- 热度：下载量57次，获赞2次。
使用场景
- 信息检索研究：开发和比较不同的神经重排序模型，特别是利用LLM进行零样本或少样本重排序的方法。
- 搜索系统优化：作为基准数据，用于改进实际搜索引擎或问答系统的排序阶段。
- 大语言模型应用：探索LLM在理解查询-文档相关性方面的能力，并将其应用于专业的重排序任务。