уронить

  • Описание :

Поскольку производительность системы в существующих тестах понимания прочитанного приближается или превосходит производительность человека, нам нужен новый жесткий набор данных, который улучшит возможности систем для фактического чтения абзацев текста. DROP — это созданный краудсорсингом тест из 96 тысяч вопросов, в котором система должна разрешать ссылки в вопросе, возможно, на несколько входных позиций, и выполнять над ними дискретные операции (такие как сложение, подсчет или сортировка). Эти операции требуют гораздо более полного понимания содержания абзацев, чем это было необходимо для предыдущих наборов данных.

Расколоть Примеры
'dev' 9 536
'train' 77 409
  • Структура функции :
FeaturesDict({
    'answer': Text(shape=(), dtype=string),
    'passage': Text(shape=(), dtype=string),
    'query_id': Text(shape=(), dtype=string),
    'question': Text(shape=(), dtype=string),
    'validated_answers': Sequence(Text(shape=(), dtype=string)),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
отвечать Текст нить
проход Текст нить
query_id Текст нить
вопрос Текст нить
validated_answers Последовательность (текст) (Никто,) нить
  • Цитата :
@inproceedings{Dua2019DROP,
  author={Dheeru Dua and Yizhong Wang and Pradeep Dasigi and Gabriel Stanovsky and Sameer Singh and Matt Gardner},
  title={  {DROP}: A Reading Comprehension Benchmark Requiring Discrete Reasoning Over Paragraphs},
  booktitle={Proc. of NAACL},
  year={2019}
}