distilabel-internal-testing/fine-preferences-magpie-generated-system-prompt-v2

该数据集是通过distilabel工具生成的，主要用于研究Gamma Ray Bursts (GRBs)对螺旋星系中星际介质的影响。数据集包含100个示例，每个示例都有详细的对话结构，涉及用户与AI助手之间的对话，讨论GRBs对星际介质的影响。数据集的特征包括文本、ID、语言、语言评分、对话内容等。

The dataset fine-preferences-magpie-generated-system-prompt-v2 has been created with distilabel. It contains a `pipeline.yaml` which can be used to reproduce the pipeline that generated it in distilabel. The dataset examples include conversation, metadata, file path, generated system prompt, etc. The dataset is split into a training set with 100 examples. It is tagged as synthetic, distilabel, and rlaif.

原始信息汇总

数据集概述

数据集结构

特征

• text: 文本内容，类型为字符串。
• id: 唯一标识符，类型为字符串。
• dump: 数据转储信息，类型为字符串。
• url: 数据来源URL，类型为字符串。
• file_path: 文件路径，类型为字符串。
• language: 语言标识，类型为字符串。
• language_score: 语言得分，类型为浮点数。
• token_count: 标记数量，类型为整数。
• score: 得分，类型为浮点数。
• int_score: 整数得分，类型为整数。
• generated_system_prompt: 生成的系统提示，类型为字符串。
• distilabel_metadata: 元数据结构，包含以下字段：
  • raw_output_chat_generation_2: 原始输出聊天生成内容，类型为字符串。
• gen_conv_model_name: 生成对话模型名称，类型为字符串。
• system_prompt: 系统提示，类型为字符串。
• conversation: 对话列表，包含以下字段：
  • content: 对话内容，类型为字符串。
  • role: 对话角色，类型为字符串。
• generations: 生成内容序列，类型为字符串序列。
• generations_model_names: 生成模型名称序列，类型为字符串序列。

数据分割

• train: 训练集，包含100个样本，总大小为1744386字节。

数据集大小

• 下载大小: 936061字节
• 数据集大小: 1744386字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*

标签

• synthetic
• distilabel
• rlaif