论文"Generating Synthetic Documents for Cross-Encoder Re-Rankers: A Comparative Study of ChatGPT and Human Experts"和论文"A Test Collection of Synthetic Documents for Training Rankers: ChatGPT vs. Human Experts"的存储库。一个用于训练和评估问答(QA)检索模型的数据集,通过ChatGPT的回复训练/评估,或在真实人类回复上进行训练/评估。
如果使用此数据集,请使用以下bibtex参考文献:
@InProceedings{askari2023chatgptcikm2023, author = {Askari, Arian and Aliannejadi, Mohammad and Kanoulas, Evangelos and Verberne, Suzan}, titlE = {A Test Collection of Synthetic Documents for Training Rankers: ChatGPT vs. Human Experts}, year = 2023, booktitle = {The 32nd ACM International Conference on Information and Knowledge Management (CIKM 2023)}, } @InProceedings{askari2023genirsigir2023, author = {Askari, Arian and Aliannejadi, Mohammad and Kanoulas, Evangelos and Verberne, Suzan}, title = {Generating Synthetic Documents for Cross-Encoder Re-Rankers: A Comparative Study of ChatGPT and Human Experts}, year = 2023, booktitle = {Generative Information Retrieval workshop at ACM SIGIR 2023}, }
这项工作是在教授Mohammad Aliannejadi、Evangelos Kanoulas和Suzan Verberne的监督下完成的,我的访问研究在阿姆斯特丹大学信息检索实验室的期间进行的(IRLab@UvA)。
给定一组问题及相应的ChatGPT和人类的回答,我们分别制作了两个集合:一个是ChatGPT,一个是人类。通过这样做,我们从信息检索的角度提供了多个分析机会,评估ChatGPT回复对训练检索模型的有用性。我们为端到端检索和重新排序设置提供了数据集。为了给其他分析提供灵活性,我们将所有文件分别组织为ChatGPT和人类的回复。
虽然ChatGPT是一种强大的语言模型,能够生成令人印象深刻的答案,但其并非没有错误或虚假的信息。此外,ChatGPT生 成的信息来源并不透明,通常即使信息正确也没有来源。在法律、医学、科学等专业领域,信任度和责任性至关重要,这会成为更大的问题。与生成模型不同,检索模型从来源中检索实际(真实)信息,搜索引擎提供每个检索项的来源。这就是为什么在即使ChatGPT存在的情况下,信息检索仍然是一个重要的应用,特别是在可靠性至关重要的情况下。
该数据集基于公开的HC3数据集,尽管我们的实验 setup 和评估将有所不同。我们将数据分为训练集、验证集和测试集,以便在ChatGPT或人类答案上训练/评估答案检索模型。我们将人类/ChatGPT的实际回复存储为相关答案。对于训练,一组随机回答可用作非相关答案。在我们的主要实验中,我们在ChatGPT的回应上进行训练,并在人的回应上进行评估。我们以类似于MSMarco数据集的格式发布ChatGPT-RetrievalQA数据集,这是一个广受训练检索模型欢迎的数据集。因此,每个人都可以在我们的数据上重新使用他们的MSMarco数据集脚本。
描述 | 文件名 | 文件大小 | 记录数量 | 格式 |
---|---|---|---|---|
Collection-H (H: 人类回复) | collection_h.tsv | 38.6 MB | 58,546 | tsv: pid, passage |
Collection-C (C: ChatGPT回复) | collection_c.tsv | 26.1 MB | 26,882 | tsv: pid, passage |
Queries | queries.tsv | 4 MB | 24,322 | tsv: qid, query |
Qrels-H Train (人类回复的训练集Qrels) | qrels_h_train.tsv | 724 KB | 40,406 | TREC qrels格式 |
Qrels-H Validation (人类回复的验证集Qrels) | qrels_h_valid.tsv | 29 KB | 1,460 | TREC qrels格式 |
Qrels-H Test (人类回复的测试集Qrels) | qrels_h_test.tsv | 326 KB | 16,680 | TREC qrels格式 |
Qrels-C Train (ChatGPT回复的训练集Qrels) | qrels_c_train.tsv | 339 KB | 18,452 | TREC qrels格式 |
Qrels-C Validation (ChatGPT回复的验证集Qrels) | qrels_c_valid.tsv | 13 KB | 672 | TREC qrels格式 |
Qrels-C Test (ChatGPT回复的测试集Qrels) | qrels_c_test.tsv | 152 KB | 7,756 | TREC qrels格式 |
Queries, Answers, and Relevance Labels (查询,答案和相关性标 签) | collectionandqueries.zip | 23.9 MB | 866,504 | |
Train-H Triples (训练集H三元组) | train_h_triples.tsv | 58.68 GB | 40,641,772 | tsv: query, positive passage, negative passage |
Validation-H Triple (验证集H三元组) | valid_h_triples.tsv | 2.02 GB | 1,468,526 | tsv: query, positive passage, negative passage |
Train-H Triples QID PID Format (训练集H三元组QID PID格式) | train_h_qidpidtriples.tsv | 921.7 MB | 40,641,772 | tsv: qid, positive pid, negative pid |
Validation-H Triples QID PID Format (验证集H三元组QID PID格式) | valid_h_qidpidtriples.tsv | 35.6 MB | 1,468,526 | tsv: qid, positive pid, negative pid |
Train-C Triples (训练集C三元组) | train_c_triples.tsv | 37.4 GB | 18,473,122 | tsv: query, positive passage, negative passage |
Validation-C Triple (验证集C三元组) | valid_c_triples.tsv | 1.32 GB | 672,659 | tsv: query, positive passage, negative passage |
Train-C Triples QID PID Format (训练集C三元组QID PID格式) | train_c_qidpidtriples.tsv | 429.6 MB | 18,473,122 | tsv: qid, positive pid, negative pid |
Validation-C Triples QID PID Format (验证集C三元组QID PID格式) | valid_c_qidpidtriples.tsv | 16.4 MB | 672,659 | tsv: qid, positive pid, negative pid |
我们发布了三元组格式的训练和验证数据以便于训练。用于训练ChatGPT回复的三元组文件是:"train_c_triples.tsv" 和 "valid_c_triples.tsv"。此外,我们发布了基于人类回复的三元组文件,便于大家比较基于ChatGPT和人类回复的训练效果(文件:"train_h_triples.tsv" 和 "valid_h_triples.tsv")。给定每个查询和正面答案,随机抽取了1000个负面答案。
描述 | 文件名 | 文件大小 | 记录数量 |
---|---|---|---|
Top-H 1000 Train (Top-H 1000训练) | top_1000_h_train.run | 646.6 MB | 16,774,122 |
Top-H 1000 Validation (Top-H 1000验证) | top_1000_h_valid.run | 23.7 MB | 605,956 |
Top-H 1000 Test (Top-H 1000测试) | top_1000_h_test.run | 270.6 MB | 692,0845 |
Top-C 1000 Train (Top-C 1000训练) | top_1000_c_train.run | 646.6 MB | 16,768,032 |
Top-C 1000 Validation (Top-C 1000验证) | top_1000_c_valid.run | 23.7 MB | 605,793 |
Top-C 1000 Test (Top-C 1000测试) | top_1000_c_test.run | 271.1 MB | 6,917,616 |
答案重新排序数据集的运行文件格式是TREC运行格式。
注意: 我们在Elasticsearch中使用BM25作为第一阶段排序器,以便在给定问题(即查询)的情况下对搜索到的前1000个文档进行排名。然而,对于某些查询,检索到的文档少于1000个,这意味着在整个集合中,至少有一个词与查询匹配的文档少于1000个。
敬请期待。
ChatGPT-RetrievalQA-Evlaution
我 们在由 ChatGPT 生成的回复上训练 BERT(使用 queries.tsv、collection_c.tsv、train_c_triples.tsv、valid_c_triples.tsv、qrels_c_train.tsv 和 qrels_c_valid.tsv 文件)。接下来,我们评估 BERT 作为答案重新排名模型在人类回复上的效果(使用 queries.tsv、collection_h.tsv、top_1000_c_test.run 和 qrels_h_test.tsv)。通过这样做,我们回答以下问题:“在评估人类回复时,一个在 ChatGPT 回复上训练的答案检索模型的有效性如何?”
敬请期待。
敬请期待。
ChatGPT-RetrievalQA-Dataset-Creator
特别感谢 HC3 团队 发布的 Human ChatGPT Comparison Corpus (HC3) 语料库。我们的数据是基于他们的数据集创建的,并遵循他们的许可。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储 和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使 用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号