TriviaQA est un ensemble de données de compréhension de lecture contenant plus de 650 000 triplets de preuves questions-réponses. TriviaQA comprend 950 000 paires questions-réponses provenant de 662 000 documents de Wikipédia et du Web. Cet ensemble de données est plus complexe que les tests de référence d'assurance qualité standard tels que le Stanford Question Answering Dataset (SQuAD) car la réponse à la question peut ne pas être obtenue directement via la prédiction de portée et le contexte est long. L'ensemble de données TriviaQA se compose de sous-ensembles d'assurance qualité vérifiés par l'homme et générés par la machine. Les détails peuvent être trouvés dans le document ACL 17 «TriviaQA : un ensemble de données de défi de supervision à distance à grande échelle pour la compréhension en lecture"