Датасет · reasonir
Синтетические данные для ризонинг-поиска ReasonIR
reasonir/reasonir-data
Англоязычный датасет со сложными запросами и текстами разной длины, на котором обучали ретривер ReasonIR-8B.
Что внутри
В наборе от 100 тысяч до 1 миллиона текстовых примеров на английском языке, созданных для обучения модели ReasonIR-8B. Внутри лежат синтетические данные с текстами разной длины и сложные запросы (при этом оригинальные позитивные документы для сложных запросов нужно докачать и объединить отдельно прилагаемым скриптом из-за юридических ограничений).
Что можно сделать
- Обучение нейросетевых ретриверов для сложного поиска с рассуждениями
- Улучшение поиска документов в RAG-пайплайнах
- Тестирование моделей поиска на запросах разной длины
- Задачи
- Поиск по текстам
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 496
- Лайков
- 36
Модели, обученные на нём
- lightonai/Reason-ModernColBERTПохожесть текстов 6,7 тыс.
- mradermacher/Diver-Retriever-4B-1020-GGUF 972
- AQ-MedAI/Diver-Retriever-4Btext ranking 792
- mradermacher/Diver-Retriever-1.7B-i1-GGUF 586
- AQ-MedAI/Diver-Retriever-4B-1020text ranking 454
- mradermacher/Diver-Retriever-1.7B-GGUF 283
- mradermacher/Diver-Retriever-0.6B-GGUF 263
- AQ-MedAI/Diver-Retriever-0.6Btext ranking 197
Как загрузить
from datasets import load_dataset
ds = load_dataset("reasonir/reasonir-data")