LongBlocks est un ensemble de données de synthèse multilingue à long contexte publié en 2026 par l'Université de Lisbonne, l'Instituto de Telecomunicações, TransPerfect et d'autres institutions. Cet ensemble de données contient environ 194 000 exemples de questions-réponses à contexte long, couvrant des corpus de documents longs tels que des livres, du texte de pages Web, Wikipédia, des articles arXiv, du code de programmation et des questions-réponses communautaires.

Champs de données:

• id : Chaîne de caractères, un identifiant d’instance unique (utilisé uniquement pour récupérer des données de livres restreintes ; nul pour les autres sources).
• document : Chaîne de caractères, contenu long du document source (null pour les données de livre limitées).
• source : Chaîne de caractères, le nom du corpus source.
• Langue : une chaîne de caractères représentant la langue ou le langage de programmation de l’exemple.
• Question : Composition de chaînes de caractères, problème du contexte long.
• Réponse : Chaîne de caractères, une réponse de référence qui a été filtrée pour vérifier son authenticité.
• response_Qwen3-Next-80B-A3B / response_Qwen3.5-27B / response_Nemotron-3-Nano-30B-A3B : Chaînes correspondant aux réponses générées du modèle enseignant.