К содержимому

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")