davanstrien/haiku-kto-raw-argilla

该数据集名为haiku-kto-raw-argilla，使用Argilla创建。数据集包含符合Argilla数据集格式的配置文件、与HuggingFace datasets兼容的记录以及标注指南。它支持多种NLP任务，结构包括字段、问题、建议、元数据、向量和指南。数据集适用于文本分类等任务，包含prompt和completion等字段，以及供标注者使用的label问题，用于将俳句分类为是或否。该数据集可通过Argilla或直接使用datasets库加载。

原始信息汇总

数据集概述

数据集名称

• 名称: haiku-kto-raw-argilla

数据集大小

• 大小: 1K<n<10K

标签

• 标签: rlfh, argilla, human-feedback

数据集描述

• 配置文件: 包含一个名为argilla.yaml的配置文件，符合Argilla数据集格式。
• 记录格式: 与HuggingFace datasets兼容的记录格式。
• 标注指南: 如果已在Argilla中定义，则包含标注指南。

数据集加载

• 使用Argilla加载: 通过pip install argilla --upgrade安装Argilla后，使用rg.FeedbackDataset.from_huggingface("davanstrien/haiku-kto-raw-argilla")加载数据集。
• 使用datasets加载: 通过pip install datasets --upgrade安装datasets后，使用load_dataset("davanstrien/haiku-kto-raw-argilla")加载数据集。

数据集结构

• 字段: 目前仅支持文本字段，包括prompt和completion。
• 问题: 包括label问题，类型为label_selection，选项为[Yes, No]。
• 建议: 与问题关联的建议，如label-suggestion，类型为label_selection，选项为[Yes, No]。
• 元数据: 可选，用于提供额外信息，如generation_model和prompt。
• 外部ID: 可选，用于外部资源链接。

数据实例

• Argilla格式: 包含prompt和completion字段，以及可选的元数据。
• HuggingFace datasets格式: 包含completion, external_id, label, label-suggestion, label-suggestion-metadata, metadata, prompt字段。

数据分割

• 分割: 仅包含train分割。

标注指南

• 问题: "Do you like this haiku?"
• 选项: "Yes" 或 "No"
• 评估方式: 仅基于感受的评估。