LongBlocks 是由里斯本大学、 Instituto de Telecomunicações 联合 TransPerfect 等机构于 2026 年发布的一个长上下文多语言合成数据集。 该数据集包含约 19.4 万条长上下文问答示例，涵盖书籍、网页文本、 Wiki 百科、 arXiv 论文、编程代码及社区问答等长文档语料。

数据字段:

• id: 字符串，唯一示例标识符（仅用于恢复受限书籍数据，其他源为 null）。
• document: 字符串，长源文档内容（受限书籍数据为 null）。
• source: 字符串，来源语料库名称。
• language: 字符串，示例的语言或编程语言。
• question: 字符串，合成的长上下文问题。
• answer: 字符串，经过真实性过滤的参考回答。
• response_Qwen3-Next-80B-A3B / response_Qwen3.5-27B / response_Nemotron-3-Nano-30B-A3B: 字符串，对应教师模型的生成响应。