dataset

定義

学習や評価に使うデータの集合。論文の貢献そのものがデータセットである場合も多く、その際は収集元、注釈の方法と品質、ライセンス、既存ベンチマークとの重複が中身の価値を決める。評価手続きと指標まで含めて定めたものは benchmark と呼ばれ、単なるデータの集まりより範囲が広い。

論文題名での読み方

データ公開型の論文

この語が出てくる解説

• 事前学習データの作り方 — Webから教科書品質へThe Pile: An 800GB Dataset of Diverse Text for Language Modeling