distilabel-internal-testing/deita-after-embeddings

该数据集包含多个特征字段，如evolved_instruction、completion、meta等，其中meta字段是一个结构体，包含category、completion、id等子字段。此外，数据集还包含answer、model_name、evol_instruction_score等字段。数据集的分割方式为train，包含1795个样本，总大小为65708886字节。

原始信息汇总

数据集概述

数据集特征

• evolved_instruction：数据类型为字符串。
• completion：数据类型为字符串。
• meta：结构化数据，包含以下字段：
  • category：数据类型为字符串。
  • completion：数据类型为字符串。
  • id：数据类型为int64。
  • input：数据类型为null。
  • motivation_app：数据类型为null。
  • prompt：数据类型为字符串。
  • source：数据类型为字符串。
  • subcategory：数据类型为字符串。
• answer：数据类型为字符串。
• model_name：数据类型为字符串。
• evol_instruction_score：数据类型为float64。
• evolved_response：数据类型为字符串。
• evol_response_score：数据类型为float64。
• conversation：列表类型，包含以下字段：
  • content：数据类型为字符串。
  • role：数据类型为字符串。
• embedding：序列类型，数据类型为float64。

数据集分割

• train：
  • 数据大小：65708886字节
  • 示例数量：1795

数据集大小

• 下载大小：15071534字节
• 数据集大小：65708886字节

配置

• default：
  • 数据文件路径：data/train-*