Dataset Preview
Go to dataset viewer
language (string)sentence1 (string)sentence2 (string)gold_label (string)
"ar"
"حسنا ، لم أكن أفكر حتى حول ذلك ، لكن كنت محبطاً تماما ،وأنهيت الحديث معه مرة ثانية ."
"لم أتحدث معه مرة أخرى."
"contradiction"
"ar"
"حسنا ، لم أكن أفكر حتى حول ذلك ، لكن كنت محبطاً تماما ،وأنهيت الحديث معه مرة ثانية ."
"كنت مستاء جدا لدرجة أنني بدأت بالحديث معه مرة أخرى."
"entailment"
"ar"
"حسنا ، لم أكن أفكر حتى حول ذلك ، لكن كنت محبطاً تماما ،وأنهيت الحديث معه مرة ثانية ."
"دار بيننا حديث رائع."
"neutral"
"ar"
"واعتقدت أن ذلك شرف لي ، ولا يزال ، ولايزال ، كنت الوحيد برقم تسعة اثنان اثنان إي أكس أو والذي كان مجال مهنتي في سلاح الجو ."
"لم أكن على علم بأنني لم أكن الشخص الوحيد الذي كان في الميدان في ذلك اليوم."
"neutral"
"ar"
"واعتقدت أن ذلك شرف لي ، ولا يزال ، ولايزال ، كنت الوحيد برقم تسعة اثنان اثنان إي أكس أو والذي كان مجال مهنتي في سلاح الجو ."
"كان لدي إنطباع أنني كنت الشخص الوحيد الذي لديه هذا الرقم في مجال مهنة سلاح الجو AFFC."
"entailment"
"ar"
"واعتقدت أن ذلك شرف لي ، ولا يزال ، ولايزال ، كنت الوحيد برقم تسعة اثنان اثنان إي أكس أو والذي كان مجال مهنتي في سلاح الجو ."
"حصلنا جميعنا على نفس العدد بالضبط بغض النظر عن الامتيازات التي وعدنا بها، لقد كانت كلها كذبة."
"contradiction"
"ar"
"أخبروني ،إيه، أنه سيتم استدعائي من قبل شاب في النهاية سيقابلني ."
"لم يتم إخباري أبداً بأي شيء عن مقابلة أي شخص."
"contradiction"
"ar"
"أخبروني ،إيه، أنه سيتم استدعائي من قبل شاب في النهاية سيقابلني ."
"لقد أخبروني بأنهم سيقومون بإرسال شاب لأقابله."
"entailment"
"ar"
"أخبروني ،إيه، أنه سيتم استدعائي من قبل شاب في النهاية سيقابلني ."
"لقد جاء الشاب متأخراً قليلاً."
"neutral"
"ar"
"هناك الكثير تستطيع التحدث عنه وأنا سوف أتاجاوز ذلك تماما ."
"أريد أن أخبرك بكل شيء أعرفه عن ذلك!"
"contradiction"
"ar"
"هناك الكثير تستطيع التحدث عنه وأنا سوف أتاجاوز ذلك تماما ."
"لن أتحدث عن ذلك ، على الرغم من أن هناك الكثير لتغطيته."
"entailment"
"ar"
"هناك الكثير تستطيع التحدث عنه وأنا سوف أتاجاوز ذلك تماما ."
"لن أتحدث عن تاريخ المدينة لأن هناك الكثير مما يمكن قوله حولها."
"neutral"
"ar"
"كان ذلك الشيْ الأساسي الوحيد الذي أردنا أن ننقذه لأنه لم يكن هناك أي طريقة لإلقاء قنبلة هيدروجينية بقوة 20 ميغا 30 C 124 ."
"لم نهتم بحفظ أي شيء."
"contradiction"
"ar"
"كان ذلك الشيْ الأساسي الوحيد الذي أردنا أن ننقذه لأنه لم يكن هناك أي طريقة لإلقاء قنبلة هيدروجينية بقوة 20 ميغا 30 C 124 ."
"أردنا إنقاذ شيء واحد أكثر من الباقي."
"entailment"
"ar"
"كان ذلك الشيْ الأساسي الوحيد الذي أردنا أن ننقذه لأنه لم يكن هناك أي طريقة لإلقاء قنبلة هيدروجينية بقوة 20 ميغا 30 C 124 ."
"أردنا إنقاذ قنبلة h-bomb لأنه كان من الصعب التعامل معها."
"neutral"
"ar"
"لذلك أنا فعلا غير متأكد لماذا."
"أنا متأكد من سبب ذلك."
"contradiction"
"ar"
"لذلك أنا فعلا غير متأكد لماذا."
"لا أعرف لماذا قام بنقل المدارس."
"neutral"
"ar"
"لذلك أنا فعلا غير متأكد لماذا."
"لا أعرف لماذا حدث هذا."
"entailment"
"ar"
"هذه هي فاني فلونو ، هي ترعرعت في أوغستا ، جورجيا ، وهي ستتحدث عن بعض قصص طفولتها . ،"
"كان على فاني فلونو إعادة تعيين جدول الأعمال وهي غير قادرة على إخبارنا بأية قصص اليوم."
"contradiction"
"ar"
"هذه هي فاني فلونو ، هي ترعرعت في أوغستا ، جورجيا ، وهي ستتحدث عن بعض قصص طفولتها . ،"
"فاني فلونو هنا وستتحدث إلينا عن قصص طفولتها التي نشأت في أوغستا ، جورجيا."
"entailment"
"ar"
"هذه هي فاني فلونو ، هي ترعرعت في أوغستا ، جورجيا ، وهي ستتحدث عن بعض قصص طفولتها . ،"
"تمكنت فاني فلونو من التحدث إلينا اليوم رغم جدول أعمالها المزدحم."
"neutral"
"ar"
"لقد وضعت خمسة فصائل من U2's"
"أتعامل مع U2."
"entailment"
"ar"
"لقد وضعت خمسة فصائل من U2's"
"لم أتعامل مع فرقة يو تو على الإطلاق."
"contradiction"
"ar"
"لقد وضعت خمسة فصائل من U2's"
"عملت كل يوم على مفارز U2 لمدة أربعين عاما."
"neutral"
"ar"
"كنت الشخص الوحيد الذي ،إيه، يدير منظمات الاختبار في غرف الارتفاع الصغيرة."
"لم يعجبني أن أكون الوحيد الذي يدير المنظمين لإجراء الاختبارات."
"neutral"
"ar"
"كنت الشخص الوحيد الذي ،إيه، يدير منظمات الاختبار في غرف الارتفاع الصغيرة."
"أجريت الاختبارات في غرف ارتفاع مصغرة."
"entailment"
"ar"
"كنت الشخص الوحيد الذي ،إيه، يدير منظمات الاختبار في غرف الارتفاع الصغيرة."
"عدد قليل منا كان من الذين أداروا المنظمين للاختبار."
"contradiction"
"ar"
"وأنا ، رئيس رقباء ، متقاعد ، كما قال ريك."
"ما زلت أعمل حتى يومنا هذا."
"contradiction"
"ar"
"وأنا ، رئيس رقباء ، متقاعد ، كما قال ريك."
"تقاعدت في عام 2002."
"neutral"
"ar"
"وأنا ، رئيس رقباء ، متقاعد ، كما قال ريك."
"قال لك رايك بأنني متقاعد."
"entailment"
"ar"
"هناك بعض التوقعات للتدفق النقدي على مكتبي ، وأوه ، أه ، لمثل هذا كاتي ، هذا هو اسم العميل."
"يكلف العميل الذي يطلق عليه كوتي 10000 دولار في الشهر."
"neutral"
"ar"
"هناك بعض التوقعات للتدفق النقدي على مكتبي ، وأوه ، أه ، لمثل هذا كاتي ، هذا هو اسم العميل."
"يوجد عميل اسمه كتي."
"entailment"
"ar"
"هناك بعض التوقعات للتدفق النقدي على مكتبي ، وأوه ، أه ، لمثل هذا كاتي ، هذا هو اسم العميل."
"ليس لدينا أي عميل يدعى كوتي."
"contradiction"
"ar"
"الفتاة التي يمكن أن تساعدني موجودة في جميع أنحاء المدينة."
"الفتاة التي أحتاج المساعدة منها تعيش بعيداً."
"entailment"
"ar"
"الفتاة التي يمكن أن تساعدني موجودة في جميع أنحاء المدينة."
"الفتاة التي ستساعدني على بعد 5 أميال"
"neutral"
"ar"
"الفتاة التي يمكن أن تساعدني موجودة في جميع أنحاء المدينة."
"لا يوجد أحد يستطيع مساعدتي."
"contradiction"
"ar"
"لكن كانوا منقسمين مثل من كان المزارعين ومن كان أطفال المنزل ، كان ذلك نوع من --"
"اتفقوا جميعًا على أن عليهم العمل جميعًا في الحقول."
"contradiction"
"ar"
"لكن كانوا منقسمين مثل من كان المزارعين ومن كان أطفال المنزل ، كان ذلك نوع من --"
"لم يتمكنوا من الاتفاق على من كانت له يد ميدانية ومن ينتمي للمنزل."
"entailment"
"ar"
"لكن كانوا منقسمين مثل من كان المزارعين ومن كان أطفال المنزل ، كان ذلك نوع من --"
"لم يتمكنوا من الاتفاق على من يجب أن يعمل في مجال القطن ومن يجب أن يمسح الأرضيات."
"neutral"
"ar"
"سوف يتحدث معنا اليوم عن( اس اس) الثالثة ، )يو٢ ) كويك و بلاك بيرد الطائر الأسود) ."
"لقد قرر ألا يتحدث مجدداً."
"contradiction"
"ar"
"سوف يتحدث معنا اليوم عن( اس اس) الثالثة ، )يو٢ ) كويك و بلاك بيرد الطائر الأسود) ."
"هو يتحدث عن ثلاث غواصات مختلفة."
"neutral"
"ar"
"سوف يتحدث معنا اليوم عن( اس اس) الثالثة ، )يو٢ ) كويك و بلاك بيرد الطائر الأسود) ."
"يتحدث عن ثلاثة أشياء."
"entailment"
"ar"
"أقصد كان لديهم خمس أولاد فقط ، مات واحد منهم ."
"نجا أطفالهم جميعا."
"contradiction"
"ar"
"أقصد كان لديهم خمس أولاد فقط ، مات واحد منهم ."
"توفي طفل واحد من الخمسة."
"entailment"
"ar"
"أقصد كان لديهم خمس أولاد فقط ، مات واحد منهم ."
"كان الطفل الذي مات مولود مرض."
"neutral"
"ar"
"وبالطبع لم يُجب أندروف جروميكوف عن أي شيء ولكننا توصلنا إلى المعلومات من التصوير الذي التقطته الوحدة الثانية."
"صوَّرت U2 الكثير من الأفلام."
"entailment"
"ar"
"وبالطبع لم يُجب أندروف جروميكوف عن أي شيء ولكننا توصلنا إلى المعلومات من التصوير الذي التقطته الوحدة الثانية."
"أخذ U2 العديد من الأفلام من تحت الماء."
"neutral"
"ar"
"وبالطبع لم يُجب أندروف جروميكوف عن أي شيء ولكننا توصلنا إلى المعلومات من التصوير الذي التقطته الوحدة الثانية."
"لم نملك مشاهد مصورة ‘ لذلك توجب علينا أن نخمن فقط."
"contradiction"
"ar"
"قالت كانت هناك دموع تنهمر من عينيها . وبعد ذلك قالت أن جو قَدِم إلى الشرفة ."
"كانت الدموع في عينيها عندما أخبرته بأن يصعد الرواق."
"entailment"
"ar"
"قالت كانت هناك دموع تنهمر من عينيها . وبعد ذلك قالت أن جو قَدِم إلى الشرفة ."
"انها سرعان ما مسحت الدموع بعد رميها جو من الشرفة."
"contradiction"
"ar"
"قالت كانت هناك دموع تنهمر من عينيها . وبعد ذلك قالت أن جو قَدِم إلى الشرفة ."
"كانت سعيدة للغاية لرؤية جو يبدأ بالصراخ."
"neutral"
"ar"
"حتى لو كانت الطائرة محترقة ، فلماذا تحترق ، وستحترق من خلال عنصر الرصاص حتى يتسرب الإشعاع."
"يمكن احتواء الإشعاع أثناء الحريق كذلك."
"neutral"
"ar"
"حتى لو كانت الطائرة محترقة ، فلماذا تحترق ، وستحترق من خلال عنصر الرصاص حتى يتسرب الإشعاع."
"سوف يتسرب الإشعاع من عنصر الرصاص بعد حرق الطائرة."
"entailment"
"ar"
"حتى لو كانت الطائرة محترقة ، فلماذا تحترق ، وستحترق من خلال عنصر الرصاص حتى يتسرب الإشعاع."
"الإشعاع لن يتسرب أثناء الحريق."
"contradiction"
"ar"
"هذا هو رئيس الرقيب كليم فرانسيس ، متقاعد من القوات الجوية الأمريكية."
"استقال الرئيس من القوات الجوية الأمريكية."
"entailment"
"ar"
"هذا هو رئيس الرقيب كليم فرانسيس ، متقاعد من القوات الجوية الأمريكية."
"تقاعد الرئيس مؤخرا وذلك منذ بضعة أسابيع."
"neutral"
"ar"
"هذا هو رئيس الرقيب كليم فرانسيس ، متقاعد من القوات الجوية الأمريكية."
"بدأ قائد سلاح الجو الأمريكي مسيرته المهنية هذا الأسبوع."
"contradiction"
"ar"
"حسنا حدث أن طائرتين أو ثلاثة ينبغي أن تصل خلال اسبوع ولم أعرف أين وجهتهما ."
"تصل أكثر من طائرة كل أسبوع."
"entailment"
"ar"
"حسنا حدث أن طائرتين أو ثلاثة ينبغي أن تصل خلال اسبوع ولم أعرف أين وجهتهما ."
"زيادة حركة الطائرات أمر مزعج."
"neutral"
"ar"
"حسنا حدث أن طائرتين أو ثلاثة ينبغي أن تصل خلال اسبوع ولم أعرف أين وجهتهما ."
"لا توجد أي طائرات قادمة."
"contradiction"
"ar"
"لقد تلقوا تدريبهم من قبل بملابس الضغط الكاملة واخذت مني وقتا إذا ارتديت بدلات الضغط الكاملة ."
"يستغرق الأمر مدة تصل إلى ثلاثة أشهر لاستكمال التدريب على استخدام البدلة المضغوطة كاملة."
"neutral"
"ar"
"لقد تلقوا تدريبهم من قبل بملابس الضغط الكاملة واخذت مني وقتا إذا ارتديت بدلات الضغط الكاملة ."
"التدرب لاستخدام بزة الضغط الكامل يحتاج إلى وقت."
"entailment"
"ar"
"لقد تلقوا تدريبهم من قبل بملابس الضغط الكاملة واخذت مني وقتا إذا ارتديت بدلات الضغط الكاملة ."
"يمكننا تدريبك على استخدام بدلة ضغط كاملة بحلول نهاية اليوم."
"contradiction"
"ar"
"أريد أن أقول إنه لم يكن هناك أي خطر في الدخول في القنبلة لأنها لن تنفجر، بغض النظر عن مدى قوتها على الأرض."
"وقد تم تعطيل القنبلة من قبل الطيار."
"neutral"
"ar"
"أريد أن أقول إنه لم يكن هناك أي خطر في الدخول في القنبلة لأنها لن تنفجر، بغض النظر عن مدى قوتها على الأرض."
"لم يكن لدى القنبلة أي فرصة للانفجار."
"entailment"
"ar"
"أريد أن أقول إنه لم يكن هناك أي خطر في الدخول في القنبلة لأنها لن تنفجر، بغض النظر عن مدى قوتها على الأرض."
"كان هناك خطر كبير من انفجار القنبلة."
"contradiction"
"ar"
"وما رأيك أن الأمر يبدو على نحو مماثل لما أحاول القيام به بالفعل."
"لست متأكدًا مما يبدو لك هذا."
"contradiction"
"ar"
"وما رأيك أن الأمر يبدو على نحو مماثل لما أحاول القيام به بالفعل."
"من الواضح أنني أحاول القيام بذلك."
"entailment"
"ar"
"وما رأيك أن الأمر يبدو على نحو مماثل لما أحاول القيام به بالفعل."
"أنا أحاول إنهاء مشروعي في الأسبوع القادم."
"neutral"
"ar"
"لكن على أية حال ، ستصبح الحيوانات طليقة طوال الوقت ، وخاصة الماعز ."
"هربت الماعز من الحظيرة كل يوم."
"neutral"
"ar"
"لكن على أية حال ، ستصبح الحيوانات طليقة طوال الوقت ، وخاصة الماعز ."
"هربت الماعز في كثير من الأحيان."
"entailment"
"ar"
"لكن على أية حال ، ستصبح الحيوانات طليقة طوال الوقت ، وخاصة الماعز ."
"تم الحفاظ على الماعز آمنة ومأمونة."
"contradiction"
"ar"
"تم قفل الأبواب عندما دخلنا."
"كانت جميع الأبواب مفتوحة."
"contradiction"
"ar"
"تم قفل الأبواب عندما دخلنا."
"نحن تلقّينا المفتاح مع نا."
"neutral"
"ar"
"تم قفل الأبواب عندما دخلنا."
"ذهبنا على الرغم من أن الأبواب كانت مغلقة."
"entailment"
"ar"
"لذا، كان عليّ فقط أخذ المجاميع ومحاولة تصويرها من هذا القبيل."
"أثق بأن الإجماليات هي كل ما أحتاجه للحصول على هذه النتيجة."
"neutral"
"ar"
"لذا، كان عليّ فقط أخذ المجاميع ومحاولة تصويرها من هذا القبيل."
"ليس لدي أدنى فكرة عمّا ينبغي القيام به بالأرقام الإجمالية فقط، من فضلك أعطني المزيد من التفاصيل لحل هذه الورطة."
"contradiction"
"ar"
"لذا، كان عليّ فقط أخذ المجاميع ومحاولة تصويرها من هذا القبيل."
"سأقوم بحسابه على أساس المجاميع."
"entailment"
"ar"
"أتى ، فتح الباب وأتذكر أني نظرت إلى الخلف ورأيت تعابير قسمات وجه واستطيع القول أنه كان محبطا ."
"لقد كان مسروراً للغاية ويكاد يطير من الفرح لدرجة أنه أسقط الباب من هيكله."
"contradiction"
"ar"
"أتى ، فتح الباب وأتذكر أني نظرت إلى الخلف ورأيت تعابير قسمات وجه واستطيع القول أنه كان محبطا ."
"كان يحاول ألا يجعلنا نشعر بالذنب لكننا كنا نعرف أننا قد تسببنا له في مشاكل."
"neutral"
"ar"
"أتى ، فتح الباب وأتذكر أني نظرت إلى الخلف ورأيت تعابير قسمات وجه واستطيع القول أنه كان محبطا ."
"فقط من خلال نظرة على وجهه عندما جاء من الباب كنت أعرف فقط أنه خذل."
"entailment"
"ar"
"لذلك ، لا أملك أي قصص محددة ."
"ليس لدي متجر معين."
"entailment"
"ar"
"لذلك ، لا أملك أي قصص محددة ."
"لدي متجر واحد محدد."
"contradiction"
"ar"
"لذلك ، لا أملك أي قصص محددة ."
"هناك الكثير من المتاجر."
"neutral"
"ar"
"وفعلا لم يكن عليه أبدا أن يقدم أي شيْ لنفسه ."
"إنّه يحصل على الكثير من المساعدة."
"entailment"
"ar"
"وفعلا لم يكن عليه أبدا أن يقدم أي شيْ لنفسه ."
"يحصل على مساعدة في وجباته وملابسه."
"neutral"
"ar"
"وفعلا لم يكن عليه أبدا أن يقدم أي شيْ لنفسه ."
"هو شخص مستقل جدا ."
"contradiction"
"ar"
"حسناً أنا مثل، يا إلهي، ورامونا كانت تقف هناك."
"كان رامونا على الأرض متقوقع في وضع الجنين."
"contradiction"
"ar"
"حسناً أنا مثل، يا إلهي، ورامونا كانت تقف هناك."
"حكمت عليّ رامونا بصمت."
"neutral"
"ar"
"حسناً أنا مثل، يا إلهي، ورامونا كانت تقف هناك."
"كانت رامونا واقفا بينما أنا كنت أشعر بالرهبة."
"entailment"
"ar"
"والحقيقة هي أنها كانت خفيفة !"
"أكلت الكثير من الطعام، لكنها أبقت وزنها منخفضًا."
"neutral"
"ar"
"والحقيقة هي أنها كانت خفيفة !"
"لم تزن الكثير على الإطلاق."
"entailment"
"ar"
"والحقيقة هي أنها كانت خفيفة !"
"كانت سعيدة جدا."
"contradiction"
"ar"
"أنا لا أعرف ما إذا مكث في أوغوستا بعد ذلك."
"تابع العيش في أوغوستا حتى بعد الهجمات."
"neutral"
"ar"
"أنا لا أعرف ما إذا مكث في أوغوستا بعد ذلك."
"هو استمر فى العيش فى أوجوستا ."
"entailment"
"ar"
"أنا لا أعرف ما إذا مكث في أوغوستا بعد ذلك."
"انتقل خارج أوغوستا على الفور."
"contradiction"
"ar"
"كل ما فعلناه، لم يخبرونا مطلقًا بالمكان الذين ذهبوا إليه، حتى عندما غادروا القاعدة للذهاب إلى مكان آخر للبقاء لفترة من الوقت."
"أنا لم أسأل أبدا أين هم ذاهبون."
"neutral"
"ar"
"كل ما فعلناه، لم يخبرونا مطلقًا بالمكان الذين ذهبوا إليه، حتى عندما غادروا القاعدة للذهاب إلى مكان آخر للبقاء لفترة من الوقت."
"سمحوا لنا دائما بعرف أين كانوا وأين هم ذاهبون."
"contradiction"
"ar"
"كل ما فعلناه، لم يخبرونا مطلقًا بالمكان الذين ذهبوا إليه، حتى عندما غادروا القاعدة للذهاب إلى مكان آخر للبقاء لفترة من الوقت."
"لم يُخبرونا أبدأ بوجهتهم."
"entailment"
"ar"
"قالوا، نحن ندفع للحصول على مكان من أجلك تقيم فيه."
"لن يدفعوا مقابل أي شيء."
"contradiction"
End of preview (truncated to 100 rows)

Dataset Card for "xtreme"

Dataset Summary

The Cross-lingual Natural Language Inference (XNLI) corpus is a crowd-sourced collection of 5,000 test and 2,500 dev pairs for the MultiNLI corpus. The pairs are annotated with textual entailment and translated into 14 languages: French, Spanish, German, Greek, Bulgarian, Russian, Turkish, Arabic, Vietnamese, Thai, Chinese, Hindi, Swahili and Urdu. This results in 112.5k annotated pairs. Each premise can be associated with the corresponding hypothesis in the 15 languages, summing up to more than 1.5M combinations. The corpus is made to evaluate how to perform inference in any language (including low-resources ones like Swahili or Urdu) when only English NLI data is available at training time. One solution is cross-lingual sentence encoding, for which XNLI is an evaluation benchmark. The Cross-lingual TRansfer Evaluation of Multilingual Encoders (XTREME) benchmark is a benchmark for the evaluation of the cross-lingual generalization ability of pre-trained multilingual models. It covers 40 typologically diverse languages (spanning 12 language families) and includes nine tasks that collectively require reasoning about different levels of syntax and semantics. The languages in XTREME are selected to maximize language diversity, coverage in existing tasks, and availability of training data. Among these are many under-studied languages, such as the Dravidian languages Tamil (spoken in southern India, Sri Lanka, and Singapore), Telugu and Malayalam (spoken mainly in southern India), and the Niger-Congo languages Swahili and Yoruba, spoken in Africa.

Supported Tasks and Leaderboards

More Information Needed

Languages

More Information Needed

Dataset Structure

Data Instances

MLQA.ar.ar

  • Size of downloaded dataset files: 72.21 MB
  • Size of the generated dataset: 8.77 MB
  • Total amount of disk used: 80.98 MB

An example of 'validation' looks as follows.


MLQA.ar.de

  • Size of downloaded dataset files: 72.21 MB
  • Size of the generated dataset: 2.43 MB
  • Total amount of disk used: 74.64 MB

An example of 'validation' looks as follows.


MLQA.ar.en

  • Size of downloaded dataset files: 72.21 MB
  • Size of the generated dataset: 8.62 MB
  • Total amount of disk used: 80.83 MB

An example of 'validation' looks as follows.


MLQA.ar.es

  • Size of downloaded dataset files: 72.21 MB
  • Size of the generated dataset: 3.12 MB
  • Total amount of disk used: 75.33 MB

An example of 'validation' looks as follows.


MLQA.ar.hi

  • Size of downloaded dataset files: 72.21 MB
  • Size of the generated dataset: 3.17 MB
  • Total amount of disk used: 75.38 MB

An example of 'validation' looks as follows.


Data Fields

The data fields are the same among all splits.

MLQA.ar.ar

  • id: a string feature.
  • title: a string feature.
  • context: a string feature.
  • question: a string feature.
  • answers: a dictionary feature containing:
    • answer_start: a int32 feature.
    • text: a string feature.

MLQA.ar.de

  • id: a string feature.
  • title: a string feature.
  • context: a string feature.
  • question: a string feature.
  • answers: a dictionary feature containing:
    • answer_start: a int32 feature.
    • text: a string feature.

MLQA.ar.en

  • id: a string feature.
  • title: a string feature.
  • context: a string feature.
  • question: a string feature.
  • answers: a dictionary feature containing:
    • answer_start: a int32 feature.
    • text: a string feature.

MLQA.ar.es

  • id: a string feature.
  • title: a string feature.
  • context: a string feature.
  • question: a string feature.
  • answers: a dictionary feature containing:
    • answer_start: a int32 feature.
    • text: a string feature.

MLQA.ar.hi

  • id: a string feature.
  • title: a string feature.
  • context: a string feature.
  • question: a string feature.
  • answers: a dictionary feature containing:
    • answer_start: a int32 feature.
    • text: a string feature.

Data Splits

name validation test
MLQA.ar.ar 517 5335
MLQA.ar.de 207 1649
MLQA.ar.en 517 5335
MLQA.ar.es 161 1978
MLQA.ar.hi 186 1831

Dataset Creation

Curation Rationale

More Information Needed

Source Data

Initial Data Collection and Normalization

More Information Needed

Who are the source language producers?

More Information Needed

Annotations

Annotation process

More Information Needed

Who are the annotators?

More Information Needed

Personal and Sensitive Information

More Information Needed

Considerations for Using the Data

Social Impact of Dataset

More Information Needed

Discussion of Biases

More Information Needed

Other Known Limitations

More Information Needed

Additional Information

Dataset Curators

More Information Needed

Licensing Information

More Information Needed

Citation Information

  @InProceedings{conneau2018xnli,
  author = {Conneau, Alexis
                 and Rinott, Ruty
                 and Lample, Guillaume
                 and Williams, Adina
                 and Bowman, Samuel R.
                 and Schwenk, Holger
                 and Stoyanov, Veselin},
  title = {XNLI: Evaluating Cross-lingual Sentence Representations},
  booktitle = {Proceedings of the 2018 Conference on Empirical Methods
               in Natural Language Processing},
  year = {2018},
  publisher = {Association for Computational Linguistics},
  location = {Brussels, Belgium},
}
@article{hu2020xtreme,
      author    = {Junjie Hu and Sebastian Ruder and Aditya Siddhant and Graham Neubig and Orhan Firat and Melvin Johnson},
      title     = {XTREME: A Massively Multilingual Multi-task Benchmark for Evaluating Cross-lingual Generalization},
      journal   = {CoRR},
      volume    = {abs/2003.11080},
      year      = {2020},
      archivePrefix = {arXiv},
      eprint    = {2003.11080}
}

Contributions

Thanks to @thomwolf, @jplu, @lewtun, @lvwerra, @lhoestq, @patrickvonplaten, @mariamabarham for adding this dataset.

Models trained or fine-tuned on xtreme