LongCite-45k 是由清华大学于 2024 年推出的开源数据集，旨在提升大型语言模型 (LLMs) 在长文本问答任务中的可信度和可验证性。相关论文成果为「LongCite: Enabling LLMs to Generate Fine-grained Citations in Long-context QA」。 该数据集包含 44,600 条带有句子级引用的高质量问答数据，支持最长 128k token 的长文本处理，通过生成细粒度的句子级引用，使用户能够验证模型回答的准确性。

Citation

@article{zhang2024longcite, title = {LongCite: Enabling LLMs to Generate Fine-grained Citations in Long-context QA} author={Jiajie Zhang and Yushi Bai and Xin Lv and Wanjun Gu and Danqing Liu and Minhao Zou and Shulin Cao and Lei Hou and Yuxiao Dong and Ling Feng and Juanzi Li}, journal={arXiv preprint arXiv:2409.02897}, year={2024} }