Qasper – Questions/Réponses sur papiers scientifiques
Qasper est un corpus de QA scientifique basé sur des articles NLP en texte intégral, avec annotation manuelle des réponses et de l’évidence dans le document. Idéal pour les modèles de lecture longue ou d’analyse documentaire.
5 049 questions sur 1 585 articles, JSON structuré (texte, questions, réponses, annotations)
CC-BY 4.0
Description
Qasper est un dataset conçu pour la question-réponse sur des articles scientifiques en NLP. Chaque exemple est basé sur un article scientifique complet, avec une ou plusieurs questions formulées à partir du titre et du résumé, puis des réponses apportées en lisant l’intégralité du texte. Les réponses sont accompagnées d’éléments d’évidence extraits du corps du texte, ce qui en fait un excellent jeu de données pour l'entraînement et l'évaluation de modèles orientés "lecture longue" ou "reasoning with evidence".
À quoi sert ce dataset ?
- Former des modèles capables de lire un article scientifique entier pour répondre à des questions précises
- Tester des architectures de type Longformer ou BigBird sur des tâches de sélection d’évidence
- Développer des systèmes de synthèse ou de QA scientifique assistée
Peut-on l’enrichir ou l’améliorer ?
Oui. Il est possible d’élargir ce corpus à d’autres domaines scientifiques (au-delà du NLP), de traduire les questions pour créer une version multilingue ou de renforcer les annotations d’évidence avec des scores de confiance ou des reformulations. L’ajout d’annotations supplémentaires (niveau de difficulté, nature de la question, etc.) permettrait aussi des usages plus avancés.
🔎 En résumé
🧠 Recommandé pour
- Ingénieurs NLP
- Chercheurs
- Développeurs de moteurs de lecture automatique
🔧 Outils compatibles
- Longformer
- BigBird
- Hugging Face Transformers
- OpenQA pipelines
💡 Astuce
Pour maximiser l’impact, coupler Qasper avec des modèles spécialisés en résumé scientifique ou exploration sémantique.
Questions fréquemment posées
Qasper est-il limité aux articles NLP ?
Oui, la version actuelle du dataset se concentre uniquement sur des articles en traitement automatique du langage (NLP).
Peut-on entraîner un modèle à sélectionner les passages les plus pertinents avec Qasper ?
Absolument, Qasper fournit des annotations d’évidence idéales pour la tâche de sélection automatique de passages.
Ce dataset est-il adapté aux modèles longs type Longformer ou GPT étendu ?
Oui, le format en texte intégral avec plusieurs paragraphes le rend idéal pour les architectures de lecture longue.
