SelQa

SelQa es un punto de referencia para la tarea de responder preguntas que se basa en la selección de la respuesta correcta entre varios candidatos. El conjunto de datos contiene preguntas con el contexto y las respuestas de los candidatos, a menudo parafraseadas, con el objetivo de evaluar la precisión de los modelos de control de calidad.

Obtén el dataset

Tamaño

Aproximadamente 404.776 ejemplos, 68 MB, formato JSON/parquet

Licencia

Apache 2.0

Descripción

‍

El conjunto de datos SelQA incluye más de 400 000 ejemplos en inglés, cada uno de los cuales contiene una pregunta, un contexto (sección o artículo) y un conjunto de respuestas de los candidatos entre las que se debe seleccionar la correcta. Los datos se proporcionan en formato JSON y Parquet.

‍

¿Para qué sirve este conjunto de datos?

‍

Entrene los modelos de respuesta a preguntas en función de la selección de respuestas
Evaluar la capacidad de los modelos para identificar la respuesta correcta en un contexto determinado
Mejorar los sistemas de control de calidad para aplicaciones prácticas como los asistentes virtuales

‍

¿Se puede enriquecer o mejorar?

‍

Sí, es posible añadir anotaciones adicionales sobre los tipos de preguntas, integrar paráfrasis más variadas o extender el corpus a otros idiomas para reforzar la solidez de los modelos.

‍

🔎 En resumen

Criterio	Evaluación
🧩 Facilidad de uso	⭐⭐⭐⭐✩ (Formato bien estructurado, fácil de integrar)
🧼 Necesidad de limpieza	⭐⭐⭐⭐⭐ (Bajo, datos limpios y bien organizados)
🏷️ Riqueza de anotaciones	⭐⭐⭐⭐✩ (Bueno, incluye paráfrasis y contextos variados)
📜 Licencia comercial	✅ Sí (Apache 2.0)
👨‍💻 Ideal para principiantes	🌟 Sí, accesible incluso para novatos en QA
🔁 Reutilizable para fine-tuning	🎯 Perfecto para fine-tuning de modelos QA
🌍 Diversidad cultural	⚡ Inglés, con diversidad temática