IlyaGusev/saiga_scored

该数据集包含多个特征，如消息（包含内容和角色）、来源、opus评分、语言、对话轮次、十四行诗主题、十四行诗主题解释、十四行诗复杂性、十四行诗复杂性解释以及通过正则表达式判断是否为不良内容。数据集分为训练集，包含29,574个样本，总大小为147,789,948字节。下载大小为67,031,380字节。

The dataset includes multiple features such as messages (containing content and role), source, opus_score, language, turns, sonnet_topic, sonnet_topic_explanation, sonnet_complexity, sonnet_complexity_explanation, and is_bad_by_regex. The dataset is divided into a training set containing 29,574 samples, with a total size of 147,789,948 bytes. The download size is 67,031,380 bytes.

原始信息汇总

数据集概述

数据集特征

• messages:
  • content: 字符串类型
  • role: 字符串类型
• source: 字符串类型
• opus_score: 整数类型
• language: 字符串类型
• turns: 整数类型
• sonnet_topic: 字符串类型
• sonnet_topic_explanation: 字符串类型
• sonnet_complexity: 字符串类型
• sonnet_complexity_explanation: 字符串类型
• is_bad_by_regex: 布尔类型

数据集分割

• train:
  • num_bytes: 117235767
  • num_examples: 27217

数据集大小

• download_size: 54967870
• dataset_size: 117235767

许可证

• license: cc-by-4.0

任务类别

• task_categories: text-generation

语言

• language: ru

标签

• tags: gpt-4

大小类别

• size_categories: 10K<n<100K