Al hacer clic en "Aceptar", usted acepta que se almacenen cookies en su dispositivo para mejorar la navegación del sitio, analizar su uso y contribuir a nuestros esfuerzos de marketing. Consulte nuestra política de privacidad para más información.  pour plus d'informations.
Texto

X-CSR

El conjunto de datos X-CSR permite evaluar modelos multilingües basándose en el razonamiento de sentido común mediante un protocolo de transferencia sin intervención. Contiene dos subconjuntos de datos traducidos automáticamente (X-CSQA y X-CODAH) que abarcan 16 idiomas, incluidos el francés, el inglés, el chino, etc. Estos datos provienen de traducciones automáticas de las versiones originales en inglés, lo que proporciona un punto de referencia multilingüe.

Obtén el dataset
Tamaño

Contiene ejemplos traducidos a 16 idiomas, formato JSON, tamaño variable según las divisiones

Licencia

MIT

Descripción

‍

X-CSR es un punto de referencia multilingüe diseñado para evaluar las habilidades de razonamiento con sentido común de los modelos lingüísticos en un contexto de transferencia cero entre idiomas. Incluye versiones traducidas automáticamente de los conjuntos de datos de la CSQA y la CODAH en 16 idiomas, incluido el francés.

‍

‍

¿Para qué sirve este conjunto de datos?

‍

  • Probar la generalización de modelos multilingües utilizando el razonamiento de sentido común
  • Evalúe la transferencia inmediata del inglés a otros idiomas
  • Proporcione un punto de referencia unificado para comparar diferentes modelos multilingües

‍

‍

¿Se puede enriquecer o mejorar?

‍

Sí, sustituyendo las traducciones automáticas por traducciones humanas más precisas y ampliando la cantidad de idiomas o ejemplos para obtener un punto de referencia más sólido.

‍

‍

🔎 En resumen

Criterio Evaluación
🧩 Facilidad de uso⭐⭐⭐⭐✩ (Datos en formato estándar, pero requiere gestión multilingüe)
🧼 Necesidad de limpieza⭐⭐⭐✩✩ (Moderado debido a traducciones automáticas que pueden contener errores)
🏷️ Riqueza de anotaciones⭐⭐⭐⭐✩ (Bueno, con labels derivados de los datasets originales)
📜 Licencia comercial✅ Sí (MIT)
👨‍💻 Ideal para principiantes⚠️ Medio, recomendado para usuarios con experiencia multilingüe
🔁 Reutilizable para fine-tuning✅ Útil para fine-tuning y evaluación multilingüe
🌍 Diversidad cultural🈳 Cobertura amplia de 16 idiomas incluyendo varias familias lingüísticas

‍

‍

🧠 Recomendado para

  • Investigadores multilingües de PNL
  • Desarrolladores de modelos multilingües
  • Equipos de evaluación

‍

‍

🔧 Herramientas compatibles

  • Hugging Face Transformers
  • PyTorch
  • TensorFlow
  • Herramientas de traducción y evaluación multilingüe

‍

‍

💡 Consejo

Para obtener un punto de referencia más preciso, combine estos datos con traducciones humanas lo antes posible.

Preguntas frecuentes

¿Cuántos idiomas cubre el conjunto de datos X-CSR?

El conjunto de datos abarca 16 idiomas, incluidos francés, inglés, inglés, chino, alemán, español y más.

¿Las traducciones las hacen humanos?

No, las versiones disponibles son el resultado de traducciones automáticas, que pueden introducir ruido.

¿Se puede usar este conjunto de datos para uso comercial?

Sí, la licencia MIT permite un uso comercial gratuito.

Otros datasets

Ver más
Category

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique.

Category

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique.

Category

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique.