LongBlocks هي مجموعة بيانات تركيبية متعددة اللغات ذات سياق طويل تم إصدارها في عام 2026 من قبل جامعة لشبونة، ومعهد الاتصالات، وTransPerfect، ومؤسسات أخرى. تحتوي مجموعة البيانات هذه على ما يقرب من 194000 مثال على أسئلة وأجوبة ذات سياق طويل، تغطي مجموعات وثائق طويلة مثل الكتب ونصوص صفحات الويب وويكيبيديا وأوراق arXiv ورموز البرمجة وأسئلة وأجوبة المجتمع.

حقول البيانات:

• id: سلسلة نصية، معرف مثيل فريد (يستخدم فقط لاستعادة بيانات الكتب المقيدة؛ null للمصادر الأخرى).
• المستند: سلسلة نصية، محتوى مستند المصدر الطويل (قيمة فارغة لبيانات الكتاب المحدودة).
• المصدر: سلسلة نصية، اسم مجموعة النصوص المصدرية.
• اللغة: سلسلة نصية تمثل لغة أو لغة البرمجة المستخدمة في المثال.
• السؤال: تركيب السلاسل النصية، مشكلة السياق الطويل.
• الإجابة: سلسلة نصية، إجابة مرجعية تم فحصها للتأكد من صحتها.
• response_Qwen3-Next-80B-A3B / response_Qwen3.5-27B / response_Nemotron-3-Nano-30B-A3B: سلاسل نصية تتوافق مع الاستجابات التي تم إنشاؤها بواسطة نموذج المعلم.