中文任务基准测评，10大任务&9个模型一键运行、详细测评：
Trainingwith30G+RawChineseCorpus,xxlarge,smallversionandmore,TargettomatchStateoftheArtperformanceinChinesewith30%lessparameters,2019-Oct-7,DuringtheNationalDayofChina!
语料库将会不断扩充。。。
一期目标：10个百万级中文语料&3个千万级中文语料(2019年5月1号)
二期目标：30个百万级中文语料&10个千万级中文语料&1个亿级中文语料（2019年12月31日）
Update：增加高质量社区问答json版(webtext2019zh)，可用于训练超大规模NLP模型；添加520万翻译语料(translation2019zh)。
普通的从业者、研究人员或学生，并没有一个比较好的渠道获得极大量的中文语料。笔者想要训练一个中文的词向量，
在百度和github上上搜索了好久，收获却很少：要么语料的量级太小，要么数据过于成旧，或需要的处理太复杂。
不知道你是否也遇到了这样的问题？
我们这个项目，就是为了解决这一问题贡献微薄之力。
数据集划分：数据去重并分成三个部分。训练集：243万；验证集：7.7万；测试集，数万，不提供下载。
含有150万个预先过滤过的、高质量问题和答案，每个问题属于一个类别。总共有492个类别，其中频率达到或超过10次的类别有434个。
数据集划分：数据去重并分成三个部分。训练集：142.5万；验证集：4.5万；测试集，数万，不提供下载。
欢迎报告模型在验证集上的准确率。任务1：类别预测。
报告包括：#1）验证集上准确率；#2）采用的模型、方法描述、运行方式，1页PDF；#3）可运行的源代码(可选)
基于#2和#3，我们会在测试集上做测试，并报告测试集上的准确率；只提供了#1和#2的队伍，验证集上的成绩依然可以被显示出来，但会被标记为未验证。
含有410万个预先过滤过的、高质量问题和回复。每个问题属于一个【话题】，总共有2.8万个各式话题，话题包罗万象。
从1400万个原始问答中，筛选出至少获得3个点赞以上的的答案，代表了回复的内容比较不错或有趣，从而获得高质量的数据集。
除了对每个问题对应一个话题、问题的描述、一个或多个回复外，每个回复还带有点赞数、回复ID、回复者的标签。
数据集划分：数据去重并分成三个部分。训练集：412万；验证集：6.8万；测试集a：6.8万；测试集b，不提供下载。
任务1：话题预测。
任务2：训练社区问答(cQA)系统。
要求：评价指标采用MAP，构建一个适合排序问题的测试集，并报告在该测试集上的效果。
任务3：使用该数据集（webtext2019zh)，参考OpenAI的GPT-2，训练中文的文本写作模型、测试在其他数据集上的zero-shot的效果，或测评语言模型的效果。
中英文平行语料520万对。每一个对，包含一个英文和对应的中文。中文或英文，多数情况是一句带标点符号的完整的话。
对于一个平行的中英文对，中文平均有36个字，英文平均有19个单词(单词如“she”)
数据集划分：数据去重并分成三个部分。训练集：516万；验证集：3.9万；测试集，数万，不提供下载。
为了共同建立一个大规模开放共享的中文语料库，以促进中文自然语言处理领域的发展，凡提供语料并被采纳到该项目中，
除了会列出贡献者名单（可选）外，我们会根据语料的质量和量级，选出前20个同学，结合您的意愿，寄出键盘、鼠标、
显示屏、无线耳机、智能音箱或其他等值的物品，以表示对贡献者的感谢。
addyourchinesecorpusherebysendingusanemail
ifthereisanyissueregardingthedata,youcanalsocontactwithus,wewillprocessitwithinoneweek.
thankyouforyourunderstanding.
也请发邮件告知我们您的论文名称或在这个项目的数据集上的工作