Donación Somos600M
Collection
Colección de los corpus donados para el Hackathon de SomosNLP 2024: #somos600M • 4 items • Updated • 2
Dataset Viewer
The dataset viewer is not available for this dataset.
Unexpected token '<', "<html>
<h"... is not valid JSON
Need help to make the dataset viewer work? Make sure to review how to configure the dataset viewer, and open a discussion for direct support.
YAML Metadata Warning:The task_categories "text2text-generation" is not in the official list: text-classification, token-classification, table-question-answering, question-answering, zero-shot-classification, translation, summarization, feature-extraction, text-generation, fill-mask, sentence-similarity, text-to-speech, text-to-audio, automatic-speech-recognition, audio-to-audio, audio-classification, audio-text-to-text, voice-activity-detection, depth-estimation, image-classification, object-detection, image-segmentation, text-to-image, image-to-text, image-to-image, image-to-video, unconditional-image-generation, video-classification, reinforcement-learning, robotics, tabular-classification, tabular-regression, tabular-to-text, table-to-text, multiple-choice, text-ranking, text-retrieval, time-series-forecasting, text-to-video, image-text-to-text, image-text-to-image, image-text-to-video, visual-question-answering, document-question-answering, zero-shot-image-classification, graph-ml, mask-generation, zero-shot-object-detection, text-to-3d, image-to-3d, image-feature-extraction, video-text-to-text, keypoint-detection, visual-document-retrieval, any-to-any, video-to-video, other
Introducción
Este dataset se ha extraído de exámenes de acceso a la abogacía del Colegio de Abogados de España de los años 2022 y 2023.pdf. Lo forman preguntas multi-respuesta, con 4 opciones: a, b, c y d.
Guía de uso
Para trabajar con el corpus y poder evaluar LLMs, la idea es utilizar el siguiente template:
prompt_template="""Como experto en derecho español y el sistema legal y jurídico de España, debes hacer lo siguiente.
A partir de la pregunta que se plantea a continuación y las opciones que se te presentan, tu tarea consiste en responder únicamente con la letra que corresponde a la respuesta correcta: A, B, C o D. Sólo responde con la letra.
Pregunta: {pregunta}
Opciones: {opciones}
"""
# cómo usarlo con un LLM:
system_prompt = "Eres un abogado español experto en las leyes de España y su sistema legal y jurídico."
messages = [
{"role": "system", "content": system_prompt},
{"role": "user", "content": prompt_template.format(pregunta=pregunta, opciones=opciones)}
]
mssg = tokenizer.apply_chat_template(messages, tokenize=False)
Licencia
Este dataset está distribuido con licencia CC BY-NC-SA 4.0
Citation
@software{spalawex24,
author = {LenguajeNatural.AI},
title = {SpaLawEx},
month = March,
year = 2024,
url = {https://huggingface.co/datasets/LenguajeNaturalAI/SpaLawEx}
}
- Downloads last month
- 20