1231czx/7B_iter3_pmistral_N1_random_pair_new_v2tokenizer

该数据集包含四个主要特征：gt（字符串类型）、rej（字符串序列）、chosen（包含content和role两个字段的列表）和rejected（同样包含content和role两个字段的列表）。数据集只有一个训练集分割，包含16544个样本，总大小为33987247字节。下载大小为14987368字节。

The dataset includes multiple features such as gt of string type, rej of sequence string type, and list types chosen and rejected, each containing sub-features content and role of string type. The dataset is divided into a training set with 16544 examples, totaling 33987247 bytes. The dataset configuration is named default, and the training data files are located at data/train-* path.

原始信息汇总

数据集概述

数据集特征

• gt: 数据类型为字符串。
• rej: 序列类型为字符串。
• chosen: 列表类型，包含以下字段：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• rejected: 列表类型，包含以下字段：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。

数据集分割

• train: 包含16544个样本，占用33987247字节。

数据集大小

• 下载大小: 14987368字节。
• 数据集大小: 33987247字节。

配置

• default: 包含训练数据文件，路径为data/train-*。