К содержимому

Датасет · launch

Парные тексты и саммари правительственных отчётов США

launch/gov_report

Англоязычный датасет длинных отчётов и их кратких пересказов для обучения и оценки моделей суммаризации.

Что внутри

Внутри лежат пары из длинных текстов правительственных отчётов (включая отчёты GAO) и их кратких пересказов на английском языке. Объём составляет от 10 до 100 тысяч записей. Доступны три конфигурации: обычный текст, текст с разделом рекомендаций в саммари и вариант с сохранением структуры разделов документа.

Что можно сделать

  • Обучение и файнтюнинг моделей для суммаризации длинных документов (long-context summarization)
  • Проверка качества генерации структурированных выводов и рекомендаций из больших текстов
Задачи
Суммаризация
Языки
Английский
Размер
10K–100K записей
Скачиваний за месяц
3,5 тыс.
Лайков
16

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("launch/gov_report")