Chúng tôi dịch webgml-qa (chất lượng rất tốt) và phần answer của longcite sang tiếng Việt, rồi tạo citing data từ đó.
longcite rất lớn nên chúng tôi chỉ chọn những sample có đội dài ctxlen <= ~24k.
Ngoài phần dữ liệu… See the full description on the dataset page:
https://huggingface.co/datasets/Symato/DOT_excite_data_v0.0.
