HYUKI5/tasksource__logical-entailment

tasksource/logical-entailment（複製）

データの内容

論理的な含意（entailment）を判定するためのデータ。Google DeepMind が公開した logical-entailment-dataset を元にしたもので、1 行が 1 組の A と B の文字列と、その関係を表す label から成る。原典は Evans らの論文 Can Neural Networks Understand Logical Entailment?（ICLR 2018）で、元データの判定を決まった規則で変換して作られている。

データの概要

項目	値
行数	109,876（1 構成・3 分割の合計）
列数	7
容量	8.36 MB（ファイル 8 本）
ファイルの形式	parquet 3、csv 3
公開	public

構成と分割

構成（config）	分割（split）ごとの行数	列数
default	train 99,876、test 5,000、validation 5,000	7

列（構成 default・分割 train）

列	型	先頭の行の値
A	string	((m>m)&(((m>m)>(m>m))&((m>m)>(m|m))))
B	string	~(~((((m|m)&~(m))|m)))
E	int64	1
H1	int64	1
H2	int64	1
H3	int64	1
label	string	entailment

行数と列は HF のデータセットビューアの集計（元のデータセットの現在の版で数えたもの）。全データセットの一覧は HYUKI5/dataset-catalog にある。

複製について

tasksource/logical-entailment をリビジョン c2c5d47d66b01e8afa99f8da51ed0351a8c69dd2 の時点でそのまま複製したもの。中身は変えていない。判断モデル Laya（convaiinnovations/laya）の微調整に使う候補として、調査メモ（Laya 学習用データセット調査）に載せたデータを集めている。

出典

• 元のデータセット: https://huggingface.co/datasets/tasksource/logical-entailment
• 複製したリビジョン: c2c5d47d66b01e8afa99f8da51ed0351a8c69dd2（2026-10-16 07:59:20+00:00）
• 元のライセンス表記: apache-2.0

論文

• https://openreview.net/forum?id=SkZxCk-0Z

アノテーションの方法

元のカードにアノテーションの節が無かった。下の「調査メモの記述」と「元のカード」を参照。

微調整に使うときの注意

• 調査メモの台帳での区分: A（許諾型のライセンスだけで、疑義の注記が無い）。区分は記載の文言で機械的に付けたもので、法的な判定ではない。学習に入れる前に元のカードとライセンスの原文で確かめる。
• Laya の入力は 2,048 token まで（ModernBERT-large / mmBERT）。長い本文は先頭から黙って切られるので、切れる行は事前に除くか、要約・切り出しをしてから入れる。
• 分割は記事・文書単位で行い、同じ本文から作った別の問いを学習側と較正側に分けない。温度と閾値は学習に使っていない分割で別々に当てる。

調査メモの記述

メモ	節	ライセンス（記載）	確認	注記
jev_sources_tasksource_bekko.csv	CSV（tasksource-jev-typed-decisions）	apache-2.0 / license_use=commercial	確認済	license_use=commercial ／ [Jev 元データ source] source_annotation_converted(deterministic recast; no model r
jev_sources_tasksource_bekko.csv	CSV（bekko-system-one-dataset-v0）	Apache-2.0	確認済	[Jev 元データ source] source_annotation_converted(Choice/Noul/Score recast; soft t

元のカード（日本語訳）

以下は元のデータセットのカードの本文を日本語に訳したもの（機械翻訳）。訳に疑問があるときは、末尾の原文を確かめる。

---

https://github.com/google-deepmind/logical-entailment-dataset

@inproceedings{
evans2018can,
title={Can Neural Networks Understand Logical Entailment?},
author={Richard Evans and David Saxton and David Amos and Pushmeet Kohli and Edward Grefenstette},
booktitle={International Conference on Learning Representations},
year={2018},
url={https://openreview.net/forum?id=SkZxCk-0Z},
}

原文（英語）

https://github.com/google-deepmind/logical-entailment-dataset

@inproceedings{
evans2018can,
title={Can Neural Networks Understand Logical Entailment?},
author={Richard Evans and David Saxton and David Amos and Pushmeet Kohli and Edward Grefenstette},
booktitle={International Conference on Learning Representations},
year={2018},
url={https://openreview.net/forum?id=SkZxCk-0Z},
}