跳到主要内容Skip to main content

Models · Data · RAG corpora

RAG 文档

检索问答的证据库;质量、更新与权限比 chunk size 更重要。 这一页收 3 张卡;点进单卡看许可、规模、任务适配与使用边界。

RAG 文档

Natural Questions

来自真实搜索查询,附 Wikipedia 段落标注,适合做检索与阅读理解的联合评测。

规模
约 30.7 万条真实查询
许可
CC-BY-SA-3.0
获取
直接下载

维基页面会变,旧标注可能对不上;做 RAG 评测要固定快照。

看数据卡 →
RAG 文档

HotpotQA

需要跨两段以上证据才能回答,适合测检索召回与证据拼接。

规模
约 11.3 万条多跳问答
许可
CC-BY-4.0
获取
直接下载

部分问题依赖维基结构;真实文档库的噪声与权限问题它不覆盖。

看数据卡 →
RAG 文档

BEIR

跨领域检索基准集合,适合比较 embedding 与检索策略的泛化。

规模
18 个检索数据集
许可
Apache-2.0
获取
直接下载

各子集许可与领域不同;不要把 18 个分数平均成一个总分。

看数据卡 →