Mickey25/yingqi_sft_set

---
dataset_info:
features:
- name: subset
dtype: string
- name: source_row_idx
dtype: int64
- name: candidate_type
dtype: string
- name: label
dtype: string
- name: instruction
dtype: string
- name: query_text
dtype: string
- name: query_image_bytes
dtype: binary
- name: document_text
dtype: string
- name: document_image_bytes
dtype: binary
- name: doc_modality
dtype: string
- name: query_video_frame_paths
sequence: string
- name: document_video_frame_paths
sequence: string
splits:
- name: train
num_examples: 1072115
configs:
- config_name: default
data_files:
- split: train
path: "*/*.parquet"
---

数据集信息：
特征：
- 名称：子集（subset），数据类型：字符串（string）
- 名称：源行索引（source_row_idx），数据类型：64位整型（int64）
- 名称：候选类型（candidate_type），数据类型：字符串（string）
- 名称：标签（label），数据类型：字符串（string）
- 名称：指令（instruction），数据类型：字符串（string）
- 名称：查询文本（query_text），数据类型：字符串（string）
- 名称：查询图像字节数据（query_image_bytes），数据类型：二进制（binary）
- 名称：文档文本（document_text），数据类型：字符串（string）
- 名称：文档图像字节数据（document_image_bytes），数据类型：二进制（binary）
- 名称：文档模态（doc_modality），数据类型：字符串（string）
- 名称：查询视频帧路径（query_video_frame_paths），数据类型：字符串序列（sequence: string）
- 名称：文档视频帧路径（document_video_frame_paths），数据类型：字符串序列（sequence: string）
划分集：
- 名称：训练集（train），样本数量：1072115
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分集：训练集（train），路径：*/*.parquet