L'ensemble de données CBT est construit à partir de paragraphes de texte et de questions correspondantes, et les données de questions-réponses proviennent de livres fournis gratuitement par le projet Gutenberg. Cet ensemble de données est utilisé pour mesurer directement les modèles linguistiques et une gamme plus large d'environnements linguistiques pour la recherche de questions-réponses et de simulation.

L'ensemble de données CBT a été publié par Facebook en 2016. Les principaux éditeurs sont Felix Hill, Antoine Bordes, Sumit Chopra et Jason Weston. L'article connexe est « Le principe Boucle d'or : lire des livres pour enfants avec des représentations de mémoire explicites ».