ibndias/distilabel-capybara-dpo-7k-binarized

---
dataset_info:
features:
- name: source
dtype: string
- name: conversation
list:
- name: input
dtype: string
- name: output
dtype: string
- name: original_response
dtype: string
- name: generation_prompt
sequence: string
- name: raw_generation_responses
sequence: string
- name: new_generations
sequence: string
- name: prompt
dtype: string
- name: chosen
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rejected
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rating_chosen
dtype: int64
- name: rating_rejected
dtype: int64
- name: chosen_model
dtype: string
- name: rejected_model
dtype: string
splits:
- name: train
num_bytes: 348791651
num_examples: 7563
download_size: 155776373
dataset_size: 348791651
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：来源（source），数据类型：字符串（string）
- 字段名：对话（conversation），类型为列表，包含子字段：
- 字段名：输入（input），数据类型：字符串（string）
- 字段名：输出（output），数据类型：字符串（string）
- 字段名：原始响应（original_response），数据类型：字符串（string）
- 字段名：生成提示（generation_prompt），数据类型：字符串序列（sequence<string>）
- 字段名：原始生成响应（raw_generation_responses），数据类型：字符串序列（sequence<string>）
- 字段名：新生成结果（new_generations），数据类型：字符串序列（sequence<string>）
- 字段名：提示词（prompt），数据类型：字符串（string）
- 字段名：选中项（chosen），类型为列表，包含子字段：
- 字段名：内容（content），数据类型：字符串（string）
- 字段名：角色（role），数据类型：字符串（string）
- 字段名：拒选项（rejected），类型为列表，包含子字段：
- 字段名：内容（content），数据类型：字符串（string）
- 字段名：角色（role），数据类型：字符串（string）
- 字段名：选中项评分（rating_chosen），数据类型：64位整型（int64）
- 字段名：拒选项评分（rating_rejected），数据类型：64位整型（int64）
- 字段名：选中模型（chosen_model），数据类型：字符串（string）
- 字段名：拒选模型（rejected_model），数据类型：字符串（string）
数据集划分：
- 划分名称：训练集（train），字节大小：348791651，样本数量：7563
下载总大小：155776373
数据集总大小：348791651
配置项：
- 配置名称：默认（default），数据文件：
- 划分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集信息

特征

• source: 数据类型为字符串。
• conversation: 包含以下子特征：
  • input: 数据类型为字符串。
  • output: 数据类型为字符串。
• original_response: 数据类型为字符串。
• generation_prompt: 数据类型为字符串序列。
• raw_generation_responses: 数据类型为字符串序列。
• new_generations: 数据类型为字符串序列。
• prompt: 数据类型为字符串。
• chosen: 包含以下子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• rejected: 包含以下子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• rating_chosen: 数据类型为64位整数。
• rating_rejected: 数据类型为64位整数。
• chosen_model: 数据类型为字符串。
• rejected_model: 数据类型为字符串。

数据分割

• train: 包含7563个样本，占用348791651字节。

数据集大小

• 下载大小: 155776373字节。
• 数据集大小: 348791651字节。

配置

• default: 包含训练数据文件，路径为data/train-*。