MS MARCO 是由 Microsoft 于 2016 年发布的一个专注于搜索领域深度学习的数据集，相关论文成果为「MS MARCO: A Human Generated MAchine Reading COmprehension Dataset」，旨在通过真实用户查询和人工生成的答案来推动问答、自然语言生成及信息检索等任务的研究。

该数据集包含 v1.1 和 v2.1 两个主要版本，其中 v1.1 包含约 10 万个示例，而 v2.1 扩展至超过 100 万个查询，数据规模庞大，涵盖了训练、验证和测试集，广泛应用于智能音箱语音回答生成及网页搜索排名等场景。

数据集组成

• answers：答案列表
• passages：包含 passage_text、is_selected 和 url 的字典结构
• query：用户查询文本
• query_id：查询 ID
• query_type：查询类型
• wellFormedAnswers：格式良好的答案列表

Citation

@article{DBLP:journals/corr/NguyenRSGTMD16,
  author    = {Tri Nguyen and
               Mir Rosenberg and
               Xia Song and
               Jianfeng Gao and
               Saurabh Tiwary and
               Rangan Majumder and
               Li Deng},
  title     = {{MS} {MARCO:} {A} Human Generated MAchine Reading COmprehension Dataset},
  journal   = {CoRR},
  volume    = {abs/1611.09268},
  year      = {2016},
  url       = {http://arxiv.org/abs/1611.09268},
  archivePrefix = {arXiv},
  eprint    = {1611.09268},
  timestamp = {Mon, 13 Aug 2018 16:49:03 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/NguyenRSGTMD16.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}