Датасет может быть использован для обучения больших языковых моделей идентифицировать парафразы — пересказы исходного предложения другими словами. RuPAWS состоит из 17,3 тыс. пар парафразов и содержит большое количество предложений, в которых много одинаковых слов, но смысл при этом разный.

Датасет был представлен исследователями из MTS AI и Сколтеха в июне 2022 года. Доступен как открытое ПО.

Репозиторий на GitHub

👤 Ирина Кротова

• Смотреть