diyali95916/ultrafeedback_binarized

该数据集包含多个特征，如prompt、prompt_id、chosen、rejected、messages等，每个特征都有其特定的数据类型。数据集分为训练集和测试集，用于不同的配置和目的。数据集的配置信息详细，包括数据文件的路径和各部分的字节数及示例数量。

原始信息汇总

数据集概述

特征信息

• prompt: 类型为字符串。
• prompt_id: 类型为字符串。
• chosen: 包含以下子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• rejected: 包含以下子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• messages: 包含以下子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• score_chosen: 类型为浮点数。
• score_rejected: 类型为浮点数。

数据分割

• train_prefs: 大小为405875992字节，包含61135个样本。
• train_sft: 大小为405875992字节，包含61135个样本。
• test_prefs: 大小为13195877字节，包含2000个样本。
• test_sft: 大小为6717809字节，包含1000个样本。
• train_gen: 大小为325227866字节，包含61135个样本。
• test_gen: 大小为5358171字节，包含1000个样本。

数据集大小

• 下载大小: 651321137字节。
• 数据集大小: 1162251707字节。

配置信息

• default 配置包含以下数据文件：
  • train_prefs: 路径为 data/train_prefs-*
  • train_sft: 路径为 data/train_sft-*
  • test_prefs: 路径为 data/test_prefs-*
  • test_sft: 路径为 data/test_sft-*
  • train_gen: 路径为 data/train_gen-*
  • test_gen: 路径为 data/test_gen-*