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")