BramVanroy/ultra_feedback_dutch_cleaned

这是一个经过清理的荷兰语数据集，专注于GEITje 7B Ultra和GPT-4-Turbo两个模型。数据集包含了对模型回复的荷兰语质量、有用性和简洁性的评估。根据不同的调整目的，数据集被划分为多个子集，每个子集都有特定的质量标准。

原始信息汇总

数据集概述

数据集名称

• Ultra Feedback Dutch Cleaned

语言

• 荷兰语 (nl)

数据集配置

1. default

   • 特征:
     • prompt: 字符串
     • GEITje-7B-ultra: 字符串
     • gpt-4-turbo: 字符串
     • rating_conciseness_GEITje-7B-ultra: 整数
     • rating_conciseness_gpt-4-turbo: 整数
     • rating_dutchness_GEITje-7B-ultra: 整数
     • rating_dutchness_gpt-4-turbo: 整数
     • rating_helpfulness_GEITje-7B-ultra: 整数
     • rating_helpfulness_gpt-4-turbo: 整数
     • rating_avg_GEITje-7B-ultra: 浮点数
     • rating_avg_gpt-4-turbo: 浮点数
   • 分割:
     • train: 50820个例子，238549993字节
   • 下载大小: 136381277字节
   • 数据集大小: 238549993字节

2. dpo_all

   • 特征:
     • prompt: 字符串
     • chosen: 列表，包含content和role，均为字符串
     • rejected: 列表，包含content和role，均为字符串
   • 分割:
     • train_prefs: 48279个例子，276826879.25字节
     • test_prefs: 2541个例子，14569835.75字节
   • 下载大小: 165576369字节
   • 数据集大小: 291396715字节

3. dpo_hq

   • 特征:
     • prompt: 字符串
     • chosen: 列表，包含content和role，均为字符串
     • rejected: 列表，包含content和role，均为字符串
   • 分割:
     • train_prefs: 9186个例子，55192382.49245088字节
     • test_prefs: 484个例子，2908024.507549121字节
   • 下载大小: 33267119字节
   • 数据集大小: 58100407字节

4. sft_gpt4_all

   • 特征:
     • prompt: 字符串
     • messages: 列表，包含content和role，均为字符串
   • 分割:
     • train_sft: 48279个例子，145093644.4字节
     • test_sft: 2541个例子，7636507.6字节
   • 下载大小: 87206558字节
   • 数据集大小: 152730152字节

5. sft_gpt4_hq

   • 特征:
     • prompt: 字符串
     • messages: 列表，包含content和role，均为字符串
   • 分割:
     • train_sft: 19726个例子，61513259.16137732字节
     • test_sft: 1039个例子，3240001.8386226823字节
   • 下载大小: 37187813字节
   • 数据集大小: 64753261字节

许可证

• Apache-2.0

任务类别

• text2text-generation
• text-generation

标签

• conversational
• preference-tuning

数据集描述

• 此数据集是基于Argilla对原始Ultra Feedback数据集的清理版本，仅包含GEITje 7B Ultra和GPT-4-Turbo模型。
• 数据集经过多重过滤和去重处理，确保数据质量。
• 包含多个配置，适用于不同的训练和测试需求。