O Dia da Comunidade de ML é dia 9 de novembro! Junte-nos para atualização de TensorFlow, JAX, e mais Saiba mais

cosmos_qa

  • Descrição:

Cosmos QA é um conjunto de dados em grande escala de 35,6 mil problemas que requerem compreensão de leitura baseada no senso comum, formulados como questões de múltipla escolha. Ele se concentra na leitura nas entrelinhas de uma coleção diversificada de narrativas cotidianas das pessoas, fazendo perguntas sobre as prováveis ​​causas ou efeitos de eventos que exigem raciocínio além da extensão exata do texto no contexto.

Dividir Exemplos
'test' 6.963
'train' 25.262
'validation' 2.985
  • Características:
FeaturesDict({
    'answer0': Text(shape=(), dtype=tf.string),
    'answer1': Text(shape=(), dtype=tf.string),
    'answer2': Text(shape=(), dtype=tf.string),
    'answer3': Text(shape=(), dtype=tf.string),
    'context': Text(shape=(), dtype=tf.string),
    'id': Text(shape=(), dtype=tf.string),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=4),
    'question': Text(shape=(), dtype=tf.string),
})
  • citação:
@inproceedings{huang-etal-2019-cosmos,
    title = "Cosmos {QA}: Machine Reading Comprehension with Contextual Commonsense Reasoning",
    author = "Huang, Lifu  and
      Le Bras, Ronan  and
      Bhagavatula, Chandra  and
      Choi, Yejin",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP)",
    year = "2019",
    url = "https://www.aclweb.org/anthology/D19-1243"
}