SQUAD-SQAC 2024 ES

SQUAD/SQAC 2024 es una extensión de los datasets  SQUAD v1.1. (Stanford Question Answering Corpus) (Rajpurkar et al., 2016) para el inglés y SQAC (Spanish Question Answering Corpus) (Gutiérrez-Fandiño et al., 2021)  para el español.  El dataset contiene noticias académicas del CSIC para el español y de Cambridge University para el inglés, con preguntas y respuestas extractivas. Las noticias son de dominios variados  y suelen ser cortas, entre 712 y 2,760 palabras en inglés, y entre 514 y 2,818 palabras en Español. Por cada texto se incluye un mínimo de 10 preguntas. Los textos están dirigidos al público general, por lo que no usan lenguaje  especializado. SQUAD/SQAC 2024 ES es el dataset en español.