MeetingBank-LLMCompressed 是由 Microsoft 于 2024 年发布的一个用于构建 LLMLingua-2 压缩器训练数据的数据集，相关论文成果为「LLMLingua-2: Data Distillation for Efficient and Faithful Task-Agnostic Prompt Compression」，旨在提供高效且忠实于原意的任务无关型提示词压缩训练样本。

该数据集包含 5,169 条来自 MeetingBank 训练集的样本，每条样本包含原始会议记录文本及其经过 GPT-4 独立分块压缩后的版本，数据规模约为 246 MB。

数据集组成

该数据集包含以下 6 个字段：

1. idx: 实例的索引编号
2. prompt: 会议记录的原始文本
3. prompt_list: 对应于 prompt 的原始文本分块列表
4. compressed_prompt_list: 每个分块经 GPT-4 独立压缩后的文本列表
5. compressed_prompt: 所有压缩分块拼接而成的完整压缩文本
6. summary: 来自 MeetingBank 的会议记录摘要

Citation

@inproceedings{pan2024llmlingua2,
    title={LLMLingua-2: Data Distillation for Efficient and Faithful Task-Agnostic Prompt Compression},
    author={Zhuoshi Pan and Qianhui Wu and Huiqiang Jiang and Menglin Xia and Xufang Luo and Jue Zhang and Qingwei Lin and Victor Rühle and Yuqing Yang and Chin-Yew Lin and H. Vicky Zhao and Lili Qiu and Dongmei Zhang},
    year={2024},
    booktitle = {Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics},
    publisher = {Association for Computational Linguistics}
}