answerdotai/hqq_plus_plus_mix_40k

该数据集是HQQ++数据集的复制，使用了Llama 3 Instruct聊天模板，并用于量化感知训练。数据集来源于多个公开数据集，包括openassistant-guanaco、orca-math-word-problems-200k、MetaMathQA和ultrafeedback_binarized。数据集包含输入文本和输出文本两个特征，主要用于训练模型。

This dataset is a replication of the HQQ++ dataset mixture using the Llama 3 Instruct chat template. It features input and output text and is primarily used for Quantization Aware Training. The dataset includes data from multiple source datasets such as timdettmers/openassistant-guanaco, microsoft/orca-math-word-problems-200k, meta-math/MetaMathQA, and HuggingFaceH4/ultrafeedback_binarized. The training split contains 39846 examples with a total size of 57755012 bytes.

原始信息汇总

数据集概述

特征

• input_text: 数据类型为字符串。
• output_text: 数据类型为字符串。

数据分割

• train: 包含39846个样本，总字节数为57755012。

下载与数据大小

• 下载大小: 28463096字节。
• 数据集大小: 57755012字节。

配置

• default: 数据文件路径为data/train-*。

许可

• MIT许可。

数据集规模

• 样本数量在10,000到100,000之间。