vwxyzjn/ultrachat_200k_filtered_1708034814

该数据集包含多个字段，如prompt、messages、query等，每个字段都有其特定的数据类型。数据集分为test_sft和train_sft两个部分，分别包含22991和206698个示例，总字节大小分别为1982888370.9168758和17846869528.524822。数据集的总大小为19829757899.441696字节。此外，数据集使用的基础模型为mistralai/Mistral-7B-v0.1，并包含一些参数设置，如长度检查、调试模式等。

原始信息汇总

数据集详情

特征

• prompt: 数据类型为字符串。
• prompt_id: 数据类型为字符串。
• messages: 包含以下字段：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• query: 包含以下字段：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• query_token: 数据类型为整数序列。
• query_reference_response: 包含以下字段：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• query_reference_response_token: 数据类型为整数序列。
• query_reference_response_token_len: 数据类型为整数。
• query_token_len: 数据类型为整数。
• reference_response: 包含以下字段：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• reference_response_token: 数据类型为整数序列。
• reference_response_token_len: 数据类型为整数。

数据分割

• test_sft: 包含22991个样本，总字节数为1982888370.9168758。
• train_sft: 包含206698个样本，总字节数为17846869528.524822。

数据集大小

• 下载大小: 3301659997字节。
• 数据集大小: 19829757899.441696字节。