Dieser Datensatz umfasst einen Trainingsdatensatz, einen Entwicklungsdatensatz und einen Testdatensatz für einen abrufbasierten Chatbot. Die Testdaten enthielten 1.000 Gesprächskontexte und für jeden Kontext erstellten die Forscher 10 Antworten als Kandidaten. Die Forscher beauftragten drei menschliche Kommentatoren, zu beurteilen, ob die Kandidaten angemessen auf das Meeting reagierten, d. h., ob die Antwort im gegebenen Kontext natürlich der Botschaft entsprach. Jedes Paar erhielt drei Etiketten und die Mehrzahl der Etiketten wurde als endgültig betrachtet.