Датасет · allenai
Сверхкороткие выжимки (TLDR) из научных статей
allenai/scitldr
5,4 тысячи кратких пересказов для 3,2 тысячи научных публикаций от AllenAI.
Что внутри
Датасет от института AllenAI содержит 5,4 тысячи текстовых саммари (TLDR) на английском языке к 3,2 тысячам научных статей. Внутри объединены краткие резюме, написанные самими авторами работ, и выжимки, составленные экспертами по специальному протоколу разметки.
Что можно сделать
- Обучение моделей экстремальной суммаризации научных текстов в одно-два предложения
- Оценка качества генерации заголовков и коротких аннотаций для статей
- Проверка способности LLM выделять главную суть академических публикаций
- Задачи
- Суммаризация
- Языки
- Английский
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 1,2 тыс.
- Лайков
- 36
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("allenai/scitldr")