- Descripción :
Adversarial NLI (ANLI) es un conjunto de datos de referencia de NLI a gran escala, recopilado a través de un procedimiento iterativo y antagónico de humanos y modelos en el ciclo.
Documentación adicional : Explore en Papers With Code
Página de inicio: https://github.com/facebookresearch/anli
Código fuente :
tfds.datasets.anli.BuilderVersiones :
-
0.1.0(predeterminado): Sin notas de la versión.
-
Tamaño de la descarga :
17.76 MiBAlmacenamiento automático en caché ( documentación ): Sí
Estructura de características :
FeaturesDict({
'context': Text(shape=(), dtype=string),
'hypothesis': Text(shape=(), dtype=string),
'label': ClassLabel(shape=(), dtype=int64, num_classes=3),
'uid': Text(shape=(), dtype=string),
})
- Documentación de características :
| Rasgo | Clase | Forma | Tipo D | Descripción |
|---|---|---|---|---|
| CaracterísticasDict | ||||
| contexto | Texto | cuerda | ||
| hipótesis | Texto | cuerda | ||
| etiqueta | Etiqueta de clase | int64 | ||
| fluido | Texto | cuerda |
Claves supervisadas (Ver
as_superviseddoc ):NoneFigura ( tfds.show_examples ): no compatible.
Cita :
@inproceedings{Nie2019AdversarialNA,
title = "Adversarial NLI: A New Benchmark for Natural Language Understanding",
author = "Nie, Yixin and
Williams, Adina and
Dinan, Emily and
Bansal, Mohit and
Weston, Jason and
Kiela, Douwe",
year="2019",
url ="https://arxiv.org/abs/1910.14599"
}
anli/r1 (configuración predeterminada)
Descripción de la configuración : ronda uno
Tamaño del conjunto de datos :
9.04 MiBDivisiones :
| Separar | Ejemplos |
|---|---|
'test' | 1,000 |
'train' | 16,946 |
'validation' | 1,000 |
- Ejemplos ( tfds.as_dataframe ):
anli/r2
Descripción de la configuración : segunda ronda
Tamaño del conjunto de datos :
22.39 MiBDivisiones :
| Separar | Ejemplos |
|---|---|
'test' | 1,000 |
'train' | 45,460 |
'validation' | 1,000 |
- Ejemplos ( tfds.as_dataframe ):
anli/r3
Descripción de la configuración : ronda tres
Tamaño del conjunto de datos :
47.03 MiBDivisiones :
| Separar | Ejemplos |
|---|---|
'test' | 1200 |
'train' | 100.459 |
'validation' | 1200 |
- Ejemplos ( tfds.as_dataframe ):