LongCite-45k 大模型细粒度提升数据集

LongCite-45k 是由清华大学于 2024 年推出的开源数据集，旨在提升大型语言模型 (LLMs) 在长文本问答任务中的可信度和可验证性。相关论文成果为「LongCite: Enabling LLMs to Generate Fine-grained Citations in Long-context QA」。

该数据集包含 44,600 条带有句子级引用的高质量问答数据，支持最长 128k token 的长文本处理，通过生成细粒度的句子级引用，使用户能够验证模型回答的准确性。