1231czx/7B_iter4_pmistral_N1_random_pair_new_v2tokenizer

该数据集包含四个主要特征：gt（数据类型为字符串）、rej（序列类型为字符串）、chosen（包含content和role两个子特征，均为字符串类型）和rejected（同样包含content和role两个子特征，均为字符串类型）。数据集包含一个训练集（train），共有15099个样本，文件大小为34414208字节。数据集的下载大小为14563402字节。

The dataset includes four main features: gt (data type is string), rej (sequence type is string), chosen (contains two sub-features: content and role, both of string type), and rejected (also contains two sub-features: content and role, both of string type). The dataset contains a training set (train) with 15099 samples, and the file size is 34414208 bytes. The download size of the dataset is 14563402 bytes.

原始信息汇总

数据集信息

特征

• gt
  • 数据类型: 字符串
• rej
  • 序列类型: 字符串
• chosen
  • 列表类型
    • content
      • 数据类型: 字符串
    • role
      • 数据类型: 字符串
• rejected
  • 列表类型
    • content
      • 数据类型: 字符串
    • role
      • 数据类型: 字符串

分割

• train
  • 字节数: 34414208
  • 样本数: 15099

大小

• 下载大小: 14563402
• 数据集大小: 34414208

配置

• default
  • 数据文件
    • train
      • 路径: data/train-*