[OLTQA] 运行python gen_lt.py后数据集数量与论文中不同

[BAOOOOOM]

你好，我在步骤Construct Pareto Long-Tail subset of raw data中，发现抽出的数据集与论文中报道的不同，请问能否直接提供抽取后的数据集呢

[debby1103]

你好！抱歉造成困扰，我们设计长尾分布时考虑的是训练集的分布，在Squad2上预先抽取3k个验证样本，所以实际上Squad2的训练集只有127319，后续的尾分布会因此减少。验证集按照和训练集的固定比例从原集中抽出（除Squad1,2和MultiRC外，训练集:验证集为8:1），不计入长尾分布。