К содержимому

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")