distilabel-internal-testing/fine-preferences-magpie-generated-system-prompt-v0

该数据集包含一个 `pipeline.yaml` 文件，可以使用 `distilabel` CLI 重现生成该数据集的管道。数据集包含多种特征，如文本、ID、转储、URL、文件路径、语言、语言得分、标记计数、得分、整数得分、生成的系统提示、distilabel 元数据、生成对话模型名称、系统提示、对话、生成内容和生成模型名称。数据集分为包含100个示例的训练集。它被标记为合成、distilabel 和 rlaif。

This dataset contains a `pipeline.yaml` which can be used to reproduce the pipeline that generated it in distilabel using the `distilabel` CLI. The dataset includes various features such as text, id, dump, url, file_path, language, language_score, token_count, score, int_score, generated_system_prompt, distilabel_metadata, gen_conv_model_name, system_prompt, conversation, generations, and generations_model_names. 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: 类型为 string
• id: 类型为 string
• dump: 类型为 string
• url: 类型为 string
• file_path: 类型为 string
• language: 类型为 string
• language_score: 类型为 float64
• token_count: 类型为 int64
• score: 类型为 float64
• int_score: 类型为 int64
• generated_system_prompt: 类型为 string
• distilabel_metadata: 结构类型，包含 raw_output_chat_generation_2，类型为 string
• gen_conv_model_name: 类型为 string
• system_prompt: 类型为 string
• conversation: 列表类型，包含 content 和 role，均为 string 类型
• generations: 序列类型，包含 string
• generations_model_names: 序列类型，包含 string

分割

• train: 包含 100 个样本，占用 1568042 字节

配置

• default: 数据文件路径为 data/train-*

标签

• synthetic
• distilabel
• rlaif

数据集大小

• 下载大小: 839829 字节
• 数据集大小: 1568042 字节

数据集加载

python from datasets import load_dataset

ds = load_dataset("distilabel-internal-testing/fine-preferences-magpie-generated-system-prompt-v0")