OpenAI MRCR – Multi-Round Co-Reference Resolution

Conjunto de datos que contiene largas conversaciones sintéticas en las que se ocultan varias consultas idénticas (2, 4 u 8 ocurrencias). La tarea consiste en extraer la enésima ocurrencia específica solicitada, probando la correcta gestión del contexto por parte de los modelos.

Obtén el dataset

Tamaño

Alrededor de 800 ejemplos estructurados en archivos de Parquet, cuadros de diálogo complejos de varios turnos

Licencia

MIT

Descripción

‍

OpenAI MRCR es un conjunto de datos textuales dedicado a la resolución de múltiples correferencias en contextos largos. Simula conversaciones de varios turnos en las que se integran varias solicitudes idénticas, y el modelo debe identificar con precisión la incidencia correcta solicitada.

‍

¿Para qué sirve este conjunto de datos?

‍

Evaluar la capacidad de los modelos para gestionar contextos largos y complejos
Probar la precisión en la resolución de múltiples correferencias
Evaluación comparativa avanzada para la solidez de los modelos de diálogo

‍

¿Se puede enriquecer o mejorar?

‍

Es posible aumentar la complejidad generando más ejemplos con diferentes números de ocurrencias, o agregar diálogos de casos reales para reforzar la diversidad. La anotación se puede refinar para incluir los errores típicos que deben manejarse.

‍

🔎 En resumen

Criterio	Evaluación
🧩 Facilidad de uso	⭐⭐⭐✩✩ (Requiere comprensión técnica de diálogos multi-turno)
🧼 Necesidad de limpieza	⭐⭐⭐⭐⭐ (Bajo, datos sintéticos bien formateados)
🏷️ Riqueza de anotaciones	⭐⭐⭐⭐✩ (Bueno, anotaciones precisas sobre las ocurrencias solicitadas)
📜 Licencia comercial	✅ Sí (MIT)
👨‍💻 Ideal para principiantes	⚠️ Moderado, mejor con experiencia en NLP
🔁 Reutilizable para fine-tuning	🎯 Adecuado para evaluación y fine-tuning contextual
🌍 Diversidad cultural	⚠️ Dataset sintético, diversidad a enriquecer