Датасет · THUIR
Мультимодальный датасет пользовательских сессий для RAG и поиска
THUIR/Qilin
Крупный китайский набор данных (1M–10M) для поиска, рекомендаций и RAG-систем.
Что внутри
Масштабный мультимодальный датасет на китайском языке объёмом от 1 до 10 миллионов записей, представленный в одноимённой научной статье. Содержит табличные и текстовые данные (а также ссылки на изображения) с пользовательскими сессиями на уровне приложений. В репозиторий также включены бейзлайн-модели и инструменты для оценки качества.
Что можно сделать
- Обучение и оценка систем поиска с дополненной генерацией (RAG)
- Разработка мультимодальных рекомендательных и поисковых алгоритмов
- Задачи
- Вопрос-ответ, Классификация текста, Похожесть текстов, Поиск по текстам, Картинка + текст
- Языки
- Китайский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 5,2 тыс.
- Лайков
- 44
Как загрузить
from datasets import load_dataset
ds = load_dataset("THUIR/Qilin")