Datasets:

mteb
/

SICK-R-PL

sentence1 stringlengths 8 147	sentence2 stringlengths 8 169	score float64 1 5
Grupa dzieci bawi się na podwórku , a w tle stoi stary mężczyzna	Grupa chłopców na podwórku bawi się , a mężczyzna stoi w tle	4.5
W domu bawi się grupa dzieci , a w tle nie ma mężczyzny	Grupa dzieci bawi się na podwórku , a w tle stoi stary mężczyzna	3.2
Młodzi chłopcy bawią się na świeżym powietrzu , a mężczyzna uśmiecha się w pobliżu	Dzieci bawią się na świeżym powietrzu w pobliżu uśmiechniętego mężczyzny	4.7
Dzieci bawią się na świeżym powietrzu w pobliżu uśmiechniętego mężczyzny	Grupa dzieci bawi się na podwórku , a w tle stoi stary mężczyzna	3.4
Młodzi chłopcy bawią się na świeżym powietrzu , a mężczyzna uśmiecha się w pobliżu	Grupa dzieci bawi się na podwórku , a w tle stoi stary mężczyzna	3.7
Dwa psy walczą	Dwa psy walczą i przytulają się	4
Brązowy pies atakuje inne zwierzę naprzeciwko mężczyzny w spodniach	Dwa psy walczą	3.5
Brązowy pies atakuje inne zwierzę naprzeciwko mężczyzny w spodniach	Dwa psy walczą i przytulają się	3.2
Nikt nie jedzie na rowerze na jednym kole	Osoba w czarnej kurtce robi sztuczki na motocyklu	2.8
Osoba jedzie na rowerze na jednym kole	Mężczyzna w czarnej kurtce robi sztuczki na motocyklu	3.7
Osoba na czarnym motocyklu robi sztuczki z kurtką	Osoba jedzie na rowerze na jednym kole	3.4
Mężczyzna z koszulką wrzuca piłkę na meczu koszykówki	Piłka jest wrzucana przez mężczyznę z koszulką na meczu koszykówki	4.9
Mężczyzna z koszulką wrzuca piłkę na meczu koszykówki	Mężczyzna grający w koszykówkę wrzuca piłkę do siatki , a tłum jest w tle	3.6
Zawodnik wrzuca piłkę do siatki , a tłum jest w tle	Mężczyzna z koszulką wrzuca piłkę na meczu koszykówki	3.8
Dwie osoby uprawiają kickboxing , a widzowie nie oglądają	Dwie osoby uprawiają kickboxing , a widzowie oglądają	3.4
Dwie młode kobiety walczą w walce kickboxingowej	Dwie kobiety w meczu walczą w meczu kickboxingowym	4.9
Dwie młode kobiety nie biorą udziału w walce kickboxingowej	Dwie kobiety w meczu walczą w meczu kickboxingowym	3.9
Dwie osoby uprawiają kickboxing , a widzowie oglądają	Dwie młode kobiety nie biorą udziału w walce kickboxingowej	3.415
Dwie kobiety w meczu walczą w meczu kickboxingowym	Dwie osoby uprawiają kickboxing , a widzowie nie oglądają	3.7
Trzech chłopców skacze na liściach	Troje dzieci skacze w liściach	4.4
Troje dzieci siedzi w liściach	Troje dzieci skacze w liściach	3.8
Dzieciaki w czerwonych koszulkach bawią się w liściach	Troje dzieci siedzi w liściach	3.5
Dzieciaki w czerwonych koszulkach bawią się w liściach	Troje dzieci skacze w liściach	4
Dwóch aniołów robi śnieg na leżących dzieciach	Dwoje dzieci leży na śniegu i robi śnieżne aniołki	2.9
Dwoje dzieci leży na śniegu i rysuje aniołki	Dwie osoby w kombinezonach narciaskich leżą na śniegu i robią anioły śnieżne	4.1
Dwie osoby w kombinezonach narciaskich leżą na śniegu i robią anioły śnieżne	Dwóch aniołów robi śnieg na leżących dzieciach	2.5
Dwoje dzieci leży na śniegu i robi śnieżne aniołki	Dwie osoby w kombinezonach narciaskich leżą na śniegu i robią anioły śnieżne	4.2
Ludzie ubrani w kostiumy zbierają się w lesie i patrzą w tym samym kierunku	Zamaskowani patrzą w tym samym kierunku w lesie	4.4
Ludzie ubrani w kostiumy zbierają się w lesie i patrzą w tym samym kierunku	Ludzie ubrani w kostiumy rozbiegają się w lesie i patrzą w różnych kierunkach	3.2
Ludzie przyglądają się jakimś kostiumom zebranym w pobliżu lasu	Ludzie ubrani w kostiumy zbierają się w lesie i patrzą w tym samym kierunku	3.635
Mała dziewczynka patrzy na kobietę w kostiumie	Ludzie ubrani w kostiumy rozbiegają się w lesie i patrzą w różnych kierunkach	2.4
Mała dziewczynka patrzy na kobietę w kostiumie	Ludzie przyglądają się jakimś kostiumom zebranym w pobliżu lasu	2.6
Młoda dziewczyna patrzy na kobietę w kostiumie	Ludzie ubrani w kostiumy zbierają się w lesie i patrzą w tym samym kierunku	2.2
Ludzie ubrani w kostiumy zbierają się w lesie i patrzą w tym samym kierunku	Dziewczynka patrzy na mężczyznę w kostiumie	3
Ludzie ubrani w kostiumy zbierają się w lesie i patrzą w tym samym kierunku	Mała dziewczynka w kostiumie wygląda jak kobieta	2
Samotny rowerzysta skacze w powietrzu	Rowerzysta skacze w powietrzu , sam	5
Nie ma rowerzysty skaczącego w powietrzu	Samotny rowerzysta skacze w powietrzu	4.2
Mężczyzna skacze do pustego basenu	Mężczyzna skacze do pełnego basenu	3
Mężczyzna skacze do pustego basenu	Mężczyzna jest w pustym basenie	3.1
Samotny rowerzysta skacze w powietrzu	Mężczyzna skacze do pełnego basenu	1.7
Mężczyzna jest w pustym basenie	Samotny rowerzysta skacze w powietrzu	1.4
Samotny rowerzysta skacze w powietrzu	Mężczyzna skacze do pustego basenu	1.5
Czworo dzieci robi mostek w parku	Czworo dzieciaków robi mostek w parku	4.8
Czworo dzieci robi mostek na siłowni	Czworo dzieciaków robi mostek w parku	3.8
Cztery dziewczynki robią mostek i bawią się w ogrodzie	Cztery dziewczynki robią mostek i bawią się na świeżym powietrzu	4.1
Mężczyzna podczas gry biegnie z piłką w rękach	Zawodnik biegnie z piłką	4.3
Dwie grupy osób grają w piłkę nożną	Zawodnik biegnie z piłką	2.1
Dwie drużyny rywalizują w meczu baseballowym	Zawodnik biegnie z piłką	3
Zawodnik biegnie z piłką	W meczu piłki nożnej rywalizują dwie drużyny	2.6
Przed chatką każdego z dzieci znajduje się pięć drewnianych stojaków	Pięcioro dzieci stoi przed drewnianą chatką	3.2
Pięcioro dzieci stoi blisko siebie , a jedno dziecko ma pistolet	Pięcioro dzieci stoi blisko siebie i żadne z nich nie ma pistoletu	3.7
Pięcioro dzieci stoi blisko siebie i żadne z nich nie ma pistoletu	Pięcioro dzieci stoi przed drewnianą chatką	2.6
Pięcioro dzieci stoi w drewnianej chacie	Pięcioro dzieci stoi blisko siebie , a jedno dziecko ma pistolet	2.7
Przed chatką każdego z dzieci znajduje się pięć drewnianych stojaków	Pięcioro dzieci stoi blisko siebie , a jedno dziecko ma pistolet	2.3
Starszy mężczyzna siedzi na polu	Mężczyzna siedzi na polu	4.4
Mężczyzna siedzi na polu	Mężczyzna biegnie po polu	2.6
Człowiek ma na sobie kapelusz i siedzi na trawie	Osoba siedzi na polu i jest ubrana w kapelusz	4.1
Człowiek siedzi i ma na sobie kapelusz z trawy	Człowiek ma na sobie kapelusz i siedzi na trawie	3.4
Człowiek siedzi i ma na sobie kapelusz z trawy	Mężczyzna siedzi na polu	3.3
Mężczyzna siedzi na polu	Człowiek ma na sobie kapelusz i siedzi na trawie	3.8
Nurt prowadzi tratwę , na której znajduje się grupa przyjaciół	Grupa przyjaciół płynie tratwą z nurtem	4.9
Grupa przyjaciół płynie tratwą z nurtem	Grupa nie płynie tratwą z nurtem	3.7
Nurt prowadzi tratwę , na której znajduje się grupa przyjaciół	Ta grupa osób praktykuje bezpieczeństwo wodne i nosi kamizelki ratunkowe	3.2
Grupa przyjaciół płynie tratwą z nurtem	Ta grupa osób praktykuje bezpieczeństwo wodne i nosi kamizelki ratunkowe	3.1
Jeleń skacze przez płot	Jeleń nie skacze przez płot	3.9
Ludzie wchodzą do środka budynku , na którym znajduje się wiele murali	Ludzie spacerują na zewnątrz budynku , na którym znajduje się wiele murali	3.4
Kilka osób znajduje się przed kolorowym budynkiem	Przed kolorowym budynkiem nie ma nikogo	3.5
Ludzie spacerują na zewnątrz budynku , na którym znajduje się wiele murali	Przed kolorowym budynkiem nie ma nikogo	3.6
Ludzie spacerują na zewnątrz budynku , na którym znajduje się kilka murali	Kilka osób znajduje się przed kolorowym budynkiem	3.6
Rodzina ogląda chłopca , który uderza w piłkę baseballową	Rodzina patrzy na małego chłopca , który nie trafia w piłkę baseballową	3.9
Dziecko uderza w piłkę baseballową	Rodzina patrzy na małego chłopca , który nie trafia w piłkę baseballową	3.015
Dziecko nie trafia w piłkę baseballową	Rodzina ogląda chłopca , który uderza w piłkę baseballową	2.7
Fioletowy tłum ludzi je na różnych oświetlonych na czerwono stołach restauracyjnych	Różne osoby jedzą przy czerwonych stołach w zatłoczonej restauracji z fioletowym światłem	3.3
Duża grupa ludzi azjatów je w restauracji	W zatłoczonej restauracji z fioletowym światłem jedzą różni klienci	2.9
Fioletowy tłum ludzi je na różnych oświetlonych na czerwono stołach restauracyjnych	Duża grupa ludzi azjatów je w restauracji	3.1
Różne osoby jedzą przy czerwonych stołach w zatłoczonej restauracji z fioletowym światłem	Niewielka grupa osób czeka na jedzenie w restauracji	3.2
Motocyklista wstaje z siedzenia białego motocykla	Motocyklista wstaje z siedzenia motocykla	3.8
Nikogo nie ma na motocyklu i nie stoi na siedzeniu	Ktoś jest na czarno - białym motocyklu i stoi na siedzeniu	3.7
Motocyklista ryzykownie jedzie na motocyklu po ulicy	Motocyklista jedzie motocyklem po ulicy	4.6
Żaden motocyklista nie jedzie motocyklem po ulicy	Motocyklista jedzie motocyklem po ulicy	3.7
Mężczyzna z kaskiem pomalowanym na czerwono jedzie niebieskim motocyklem po drodze	Motocyklista z czerwonym kaskiem jedzie niebieskim motocyklem w wzdłuż drogi	4.8
Motocyklista bez kasku czeka na niebieskim motocyklu w pobliżu drogi	Motocyklista jedzie motocyklem po ulicy	3.3
Dwa psy bawią się przy drzewie	Pies łapie kij w powietrzu , a inny to ogląda	3.7
Dwa psy bawią się przy drzewie	Nie ma psa wyskakującego w powietrze	2.7
Dwa psy bawią się przy drzewie	Pies wyskakuje wysoko w powietrze , a inny obserwuje	3
Dziewczynka w bieli tańczy	Tancerka tańczy przed sprzętem nagłaśniającym	4
Dziewczynka w bieli tańczy	Blondynka tańczy za sprzętem nagłaśniającym	3.3
Dziewczynka ma na sobie białe ubranie i tańczy	Blondynka tańczy przed sprzętem nagłaśniającym	3.5
Blondynka tańczy przed sprzętem nagłaśniającym	Nie ma tańczącej dziewczynki w białym	3.3
Trójka dzieci azjatyckich tańczy , a mężczyzna obserwuje	Trójka azjatyckich dzieci tańczy i nie ma obserwującego mężczyzny	3.9
Trójka dzieci azjatyckich tańczy , a mężczyzna obserwuje	Azjatycki mężczyzna tańczy , a troje dzieci obserwuje	3.7
Dzieci z rodziny bawią się i czekają	Trójka azjatyckich dzieci tańczy , a poważny mężczyzna obserwuje	1.9
Dzieci z rodziny cierpliwie się bawią i czekają	Trójka dzieci azjatyckich tańczy , a mężczyzna obserwuje	2.3
Nie ma dzieci bawiących się i oczekujących	Trójka dzieci azjatyckich tańczy , a mężczyzna obserwuje	1.6
Kobieta ma na głowie egipski kapelusz	Kobieta ma na sobie egipski pióropusz	4.3
Kobieta ma na sobie egipski pióropusz	Kobieta ma na sobie indyjski pióropusz	4
Czarna kobieta ma na sobie okulary nad pióropuszem	Kobieta ma na sobie egipski pióropusz	3.6
Kobieta ma na głowie egipski kapelusz	Kobieta ma na sobie okulary i czarny pióropusz	2.5
Turysta jest na szczycie góry i tańczy	Na szczycie góry nie tańczącego turysty	3.2
Nie ma człowieka na skale wysoko ponad drzewami stojącego w dziwnej pozie	Mężczyzna jest na skale wysoko nad drzewami i stoi w dziwnej pozie	4.3

End of preview. Expand in Data Studio

SICK-R-PL

An MTEB dataset

Massive Text Embedding Benchmark

Polish version of SICK dataset for textual relatedness.


Task category	t2t
Domains	Web, Written
Reference	https://aclanthology.org/2020.lrec-1.207

How to evaluate on this task

You can evaluate an embedding model on this dataset using the following code:

import mteb

task = mteb.get_task("SICK-R-PL")
evaluator = mteb.MTEB([task])

model = mteb.get_model(YOUR_MODEL)
evaluator.run(model)

To learn more about how to run models on mteb task check out the GitHub repository.

Citation

If you use this dataset, please cite the dataset as well as mteb, as this dataset likely includes additional processing as a part of the MMTEB Contribution.


@inproceedings{dadas-etal-2020-evaluation,
  address = {Marseille, France},
  author = {Dadas, Slawomir  and
Perelkiewicz, Michal  and
Poswiata, Rafal},
  booktitle = {Proceedings of the Twelfth Language Resources and Evaluation Conference},
  editor = {Calzolari, Nicoletta  and
B{\'e}chet, Fr{\'e}d{\'e}ric  and
Blache, Philippe  and
Choukri, Khalid  and
Cieri, Christopher  and
Declerck, Thierry  and
Goggi, Sara  and
Isahara, Hitoshi  and
Maegaard, Bente  and
Mariani, Joseph  and
Mazo, Helene  and
Moreno, Asuncion  and
Odijk, Jan  and
Piperidis, Stelios},
  isbn = {979-10-95546-34-4},
  language = {English},
  month = may,
  pages = {1674--1680},
  publisher = {European Language Resources Association},
  title = {Evaluation of Sentence Representations in {P}olish},
  url = {https://aclanthology.org/2020.lrec-1.207},
  year = {2020},
}


@article{enevoldsen2025mmtebmassivemultilingualtext,
  title={MMTEB: Massive Multilingual Text Embedding Benchmark},
  author={Kenneth Enevoldsen and Isaac Chung and Imene Kerboua and Márton Kardos and Ashwin Mathur and David Stap and Jay Gala and Wissam Siblini and Dominik Krzemiński and Genta Indra Winata and Saba Sturua and Saiteja Utpala and Mathieu Ciancone and Marion Schaeffer and Gabriel Sequeira and Diganta Misra and Shreeya Dhakal and Jonathan Rystrøm and Roman Solomatin and Ömer Çağatan and Akash Kundu and Martin Bernstorff and Shitao Xiao and Akshita Sukhlecha and Bhavish Pahwa and Rafał Poświata and Kranthi Kiran GV and Shawon Ashraf and Daniel Auras and Björn Plüster and Jan Philipp Harries and Loïc Magne and Isabelle Mohr and Mariya Hendriksen and Dawei Zhu and Hippolyte Gisserot-Boukhlef and Tom Aarsen and Jan Kostkan and Konrad Wojtasik and Taemin Lee and Marek Šuppa and Crystina Zhang and Roberta Rocca and Mohammed Hamdy and Andrianos Michail and John Yang and Manuel Faysse and Aleksei Vatolin and Nandan Thakur and Manan Dey and Dipam Vasani and Pranjal Chitale and Simone Tedeschi and Nguyen Tai and Artem Snegirev and Michael Günther and Mengzhou Xia and Weijia Shi and Xing Han Lù and Jordan Clive and Gayatri Krishnakumar and Anna Maksimova and Silvan Wehrli and Maria Tikhonova and Henil Panchal and Aleksandr Abramov and Malte Ostendorff and Zheng Liu and Simon Clematide and Lester James Miranda and Alena Fenogenova and Guangyu Song and Ruqiya Bin Safi and Wen-Ding Li and Alessia Borghini and Federico Cassano and Hongjin Su and Jimmy Lin and Howard Yen and Lasse Hansen and Sara Hooker and Chenghao Xiao and Vaibhav Adlakha and Orion Weller and Siva Reddy and Niklas Muennighoff},
  publisher = {arXiv},
  journal={arXiv preprint arXiv:2502.13595},
  year={2025},
  url={https://arxiv.org/abs/2502.13595},
  doi = {10.48550/arXiv.2502.13595},
}

@article{muennighoff2022mteb,
  author = {Muennighoff, Niklas and Tazi, Nouamane and Magne, Loïc and Reimers, Nils},
  title = {MTEB: Massive Text Embedding Benchmark},
  publisher = {arXiv},
  journal={arXiv preprint arXiv:2210.07316},
  year = {2022}
  url = {https://arxiv.org/abs/2210.07316},
  doi = {10.48550/ARXIV.2210.07316},
}

Dataset Statistics

The following code contains the descriptive statistics from the task. These can also be obtained using:

import mteb

task = mteb.get_task("SICK-R-PL")

desc_stats = task.metadata.descriptive_stats

{}

This dataset card was automatically generated using MTEB

Downloads last month: 42

Size of downloaded dataset files:

399 kB

Size of the auto-converted Parquet files:

399 kB

Number of rows:

9,840