Датасет · sentence-transformers
Миллионы пар «вопрос — ответ» из поиска Google
sentence-transformers/gooaq
Англоязычный датасет с вопросами пользователей и ответами из Google для обучения моделей эмбеддингов.
Что внутри
Внутри собраны пары из столбцов question и answer (в строковом формате), извлечённые из поисковой выдачи Google на английском языке. Объём датасета составляет от 1 до 10 миллионов записей. Набор адаптирован для прямой работы с библиотекой Sentence Transformers.
Что можно сделать
- Обучение моделей эмбеддингов для семантического поиска и оценки близости текстов
- Тренировка ретриверов для систем поиска ответов на вопросы
- Задачи
- Эмбеддинги, Похожесть текстов
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 1,6 тыс.
- Лайков
- 35
Модели, обученные на нём
- minishlab/potion-retrieval-32M 235,9 тыс.
- nkthebass/tinybrainbot-100m-v5.1-baseГенерация текста 1,5 тыс.
- techdotus/Ethoric-10MГенерация текста 1,3 тыс.
- nkthebass/tinybrainbot-360m-a75m-v5.1-baseГенерация текста 1,1 тыс.
- nkthebass/tinybrainbot-53m-a9m-hybrid-instructГенерация текста 1 тыс.
- nkthebass/tinybrainbot-25m-v5.1-baseГенерация текста 745
- mradermacher/tinybrainbot-360m-a75m-v5.1-base-GGUF 689
- mradermacher/rush-small-qwen3-reranker-0.6b-v1-GGUF 593
Как загрузить
from datasets import load_dataset
ds = load_dataset("sentence-transformers/gooaq")