Датасет · SISAP-Challenges
Бенчмарк векторного поиска и индексации SISAP 2025
SISAP-Challenges/SISAP2025
Набор готовых эмбеддингов для тестирования алгоритмов поиска ближайших соседей.
Что внутри
Данные для соревнования по индексации SISAP 2025, содержащие от 100 миллионов до 1 миллиарда записей. Внутри лежат заранее посчитанные векторные представления (эмбеддинги размерности 384 от модели all-MiniLM-L6-v2 для косинусного сходства) на основе корпусов новостей CCNEWS (614 664 статьи) и вопросов-ответов Google (GooAQ).
Что можно сделать
- Тестирование и сравнение скорости и точности алгоритмов векторного поиска (ANN-индексов)
- Бенчмаркинг векторных баз данных на реальных текстовых эмбеддингах
- Размер
- 100M–1B записей
- Скачиваний за месяц
- 24,7 тыс.
- Лайков
- 0
Как загрузить
from datasets import load_dataset
ds = load_dataset("SISAP-Challenges/SISAP2025")