ibm-research/duorc

数据集简介

DuoRC 是一个用于阅读理解任务的数据集，由 IBM Research 发布。其核心特点是基于电影情节构建，旨在评估模型在复杂叙事文本上的理解和推理能力。

主要用途

该数据集主要用于训练和评估机器阅读理解模型，特别是针对需要深度推理和跨段落信息整合的任务。

数据类型与模态

• 模态类型：纯文本（Text）
• 数据格式：Parquet
• 核心内容：包含问题-答案对，问题基于电影情节摘要提出，答案需要从给定的段落中推理得出。

规模与统计信息

• 总行数：约 18.7 万条数据样本
• 下载量：超过 1100 次
• 社区反馈：获得 34 次点赞

使用场景

适用于自然语言处理（NLP）领域的研究与开发，特别是：
1. 机器阅读理解模型训练：为模型提供需要推理的复杂叙事文本数据。
2. 模型能力评估：测试模型在理解长文本、进行逻辑推理和整合分散信息方面的性能。
3. 学术研究：用于推动阅读理解、问答系统及相关领域的技术进展。