erbacher/rag-n-roll-webgpt-deduplicated

该数据集名为rag-n-roll-webgpt-deduplicated，包含多个配置和特征，如索引、问题、引用、答案、分数、句子、消息等。每个特征都有详细的结构和数据类型描述。数据集分为训练和测试两个部分，分别包含48377和2442个样本。数据集的总下载大小为117481169字节，总大小为494020884字节。

原始信息汇总

数据集概述

数据集名称

rag-n-roll-webgpt-deduplicated

数据集配置

• 配置名称: default

数据文件

• 训练集 (train): 路径为 data/train-*
• 测试集 (test): 路径为 data/test-*

数据集特征

• index: 数据类型为 int64
• question: 包含以下子特征
  • dataset: 数据类型为 string
  • full_text: 数据类型为 string
  • id: 数据类型为 string
• quotes_0: 包含以下子特征
  • extract: 数据类型为 sequence 的 string
  • title: 数据类型为 sequence 的 string
• answer_0: 数据类型为 string
• score_0: 数据类型为 float64
• sentences_0: 包含以下子特征
  • citations: 数据类型为 sequence 的 int64
  • subqueries: 数据类型为 sequence 的 string
  • text: 数据类型为 string
• messages: 包含以下子特征
  • content: 数据类型为 string
  • role: 数据类型为 string
• index_level_0: 数据类型为 int64

数据集分割

• 训练集 (train):
  • 字节数: 470294799
  • 样本数: 48377
• 测试集 (test):
  • 字节数: 23726085
  • 样本数: 2442

数据集大小

• 下载大小: 117481169 字节
• 数据集总大小: 494020884 字节