HistoriQA-ThirdRepublic: Multi-Hop Question Answering Corpus for Historical Research, Parliamentary Debates from the French Third Republic (1870-1940)

HistoriQA-ThirdRepublic：面向历史研究的多跳问答语料库——基于法国第三共和国（1870-1940）议会辩论

背景

当前，自然语言处理（NLP）领域的大型语言模型（LLM）和检索增强生成（RAG）系统在通用基准测试上取得了显著进展，但在特定专业领域的评估仍存在巨大空白。历史研究具有高度的复杂性，往往需要研究者跨越不同文献、结合时间线索、整合零散证据进行深度推理，而现有的通用问答数据集难以模拟这种真实的学术探究需求。为了弥合 NLP 基准测试与历史学术研究之间的差距，专门面向历史学界的垂直领域评测资源亟待开发。

核心内容

本文介绍了 HistoriQA-ThirdRepublic，这是一个专为历史研究设计的法语多跳问答（Multi-Hop Question Answering）语料库。该语料库的数据源自法国第三共和国（1870-1940）时期的议会辩论记录和报纸文章。

该数据集由历史学家参与设计，精准捕捉了历史探究中的复杂推理模式，主要包括：

1. 跨源合成：需要在不同文献之间建立联系；
2. 时间推理：基于时间线索进行逻辑推导；
3. 稀疏证据整合：从碎片化的信息中拼凑出完整答案。

数据集共包含 1782 个问题，其核心特征在于强调跨越异构历史文档的多跳连接，这为在特定领域上下文中评估 RAG 和 LLM 系统提供了宝贵的资源