AtAndDev/ultramix-v2

---
dataset_info:
features:
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: source
dtype: string
splits:
- name: train
num_bytes: 6071843774
num_examples: 1658760
download_size: 6013546656
dataset_size: 6071843774
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

```
argilla/magpie-ultra-v1.0: 1,920,000 turns (38.54%)

MegaScience/MegaScience: 1,700,000 turns (34.12%)

enPurified/ultrachat_200k_sft-enPurified-openai-messages: 375,590 turns (7.54%)

Magpie-Align/Magpie-Reasoning-V1-150K: 300,000 turns (6.02%)

OpenLeecher/lmsys_chat_1m_clean: 200,000 turns (4.01%)

efficientscaling/Z1-Code-Reasoning-107K: 200,000 turns (4.01%)

enPurified/Hermes-3-Dataset-enPurified-openai-messages: 169,922 turns (3.41%)

enPurified/smoltalk-creative-writing-enPurified-openai-messages: 99,000 turns (1.99%)

HuggingFaceTB/everyday-conversations-llama3.1-2k: 17,505 turns (0.35%)

============================================================

Total turns: 4,982,017
```

数据集信息：
特征字段：
- 名称：消息（messages）
子字段：
- 名称：内容（content）
数据类型：字符串
- 名称：角色（role）
数据类型：字符串
- 名称：来源（source）
数据类型：字符串
数据集划分：
- 划分名称：训练集（train）
字节数：6071843774
样本数：1658760
下载大小：6013546656
数据集存储大小：6071843774
配置项：
- 配置名称：default
数据文件：
- 划分集：训练集（train）
路径：data/train-*

---

argilla/magpie-ultra-v1.0：1920000条对话轮次（占比38.54%）

MegaScience/MegaScience：1700000条对话轮次（占比34.12%）

enPurified/ultrachat_200k_sft-enPurified-openai-messages：375590条对话轮次（占比7.54%）

Magpie-Align/Magpie-Reasoning-V1-150K：300000条对话轮次（占比6.02%）

OpenLeecher/lmsys_chat_1m_clean：200000条对话轮次（占比4.01%）

efficientscaling/Z1-Code-Reasoning-107K：200000条对话轮次（占比4.01%）

enPurified/Hermes-3-Dataset-enPurified-openai-messages：169922条对话轮次（占比3.41%）

enPurified/smoltalk-creative-writing-enPurified-openai-messages：99000条对话轮次（占比1.99%）

HuggingFaceTB/everyday-conversations-llama3.1-2k：17505条对话轮次（占比0.35%）

============================================================

总对话轮次：4982017