LongBlocksは、リスボン大学、電気通信研究所、TransPerfect、およびその他の機関によって2026年に公開された、長文コンテキストの多言語合成データセットです。 このデータセットには、書籍、ウェブページのテキスト、Wikipedia、arXiv論文、プログラミングコード、コミュニティの質疑応答など、長文の文書コーパスを網羅した、約194,000件の長文の質疑応答例が含まれています。

データフィールド:

• id: 文字列、一意のインスタンス識別子（制限付き書籍データの復元にのみ使用。その他のソースの場合は null）。
• document: 文字列、長いソースドキュメントの内容（書籍データが限られている場合は null）。
• source: 文字列、ソースコーパスの名前。
• language: 例で使用されている言語またはプログラミング言語を表す文字列。
• 質問：文字列合成、長いコンテキストの問題。
• 回答：文字列。信憑性を確認するためにフィルタリングされた参照回答です。
• response_Qwen3-Next-80B-A3B / response_Qwen3.5-27B / response_Nemotron-3-Nano-30B-A3B: 教師モデルによって生成された応答に対応する文字列。