К содержимому

Датасет · mteb

Компактный бенчмарк для оценки поисковых эмбеддингов

mteb/NanoMSMARCORetrieval

Облегчённая подвыборка из известного поискового датасета MS MARCO для быстрой проверки моделей эмбеддингов в MTEB.

Что внутри

Датасет содержит от 1 до 10 тысяч текстовых записей на английском языке, взятых из веб-корпуса MS MARCO. Он входит в состав популярного бенчмарка Massive Text Embedding Benchmark (MTEB) и предназначен для быстрой оценки качества информационного поиска (text-retrieval).

Что можно сделать

  • Быстрая оценка и сравнение моделей текстовых эмбеддингов в библиотеке MTEB
  • Отладка и валидация пайплайнов семантического поиска и RAG-систем
Задачи
Поиск по текстам
Языки
eng
Размер
1K–10K записей
Скачиваний за месяц
22,4 тыс.
Лайков
0

Как загрузить

from datasets import load_dataset

ds = load_dataset("mteb/NanoMSMARCORetrieval")