InfiniQA: A Large-Scale French Question-Answering Dataset with Comprehensive Evaluation
Authors/Creators
Description
We introduce InfiniQA, a large-scale French question-answering dataset containing 101,084 manually validated question-answer pairs. Unlike existing French QA datasets that rely on extraction or translation, InfiniQA focuses on direct, factual Q&A pairs created natively in French. Our comprehensive evaluation framework demonstrates the efficiency of metric computation through ground truth vs modified response comparisons across multiple metrics including Exact Match, BLEU scores, and ROUGE metrics. The dataset covers diverse domains including culture, history, geography, and sports, with a vocabulary of 83,592 unique words. InfiniQA establishes a new benchmark for French QA evaluation and provides a valuable resource for training and evaluating French language models.
Other (French)
Nous présentons InfiniQA, un jeu de données de questions-réponses en français à grande échelle, contenant 101 084 paires de questions-réponses validées manuellement. Contrairement aux autres jeux de données français existants qui reposent sur l’extraction ou la traduction, InfiniQA se concentre sur des paires Q/R directes et factuelles, créées nativement en français. Notre cadre d’évaluation complet démontre l’efficacité du calcul des métriques en comparant les réponses de référence aux réponses modifiées selon plusieurs indicateurs, notamment le Exact Match, les scores BLEU et les métriques ROUGE. Le jeu de données couvre des domaines variés comme la culture, l’histoire, la géographie et le sport, avec un vocabulaire de 83 592 mots uniques. InfiniQA établit une nouvelle référence pour l’évaluation des Q/R en français et constitue une ressource précieuse pour l’entraînement et l’évaluation des modèles de langue en français.
Files
Restricted
The record is publicly accessible, but files are restricted. Log in to check if you have access.
Additional details
Software
- Repository URL
- https://github.com/RDTvlokip/InfiniQA
- Programming language
- JSON
- Development Status
- Active
References
- InfiniQA Dataset - Théo CHARLET (RDTvlokip) - 2025