distilabel-internal-testing/DIBT_prompts_ranked_synthetic_mini

--- dataset_info: features: - name: input dtype: string - name: quality list: - name: status dtype: string - name: user_id dtype: string - name: value dtype: string - name: metadata dtype: string - name: avg_rating dtype: float64 - name: num_responses dtype: int64 - name: agreement_ratio dtype: float64 - name: raw_responses sequence: int64 - name: kind dtype: string - name: cluster_description dtype: string - name: topic dtype: string - name: generation_model sequence: string - name: generation_prompt list: list: - name: content dtype: string - name: role dtype: string - name: raw_generation_responses sequence: string - name: merged_prompt_evaluator.rating sequence: float64 - name: merged_prompt_evaluator.rationale sequence: string - name: generations sequence: 'null' - name: hash dtype: int64 - name: __index_level_0__ dtype: int64 - name: model_name dtype: string splits: - name: train num_bytes: 2565874 num_examples: 207 download_size: 408534 dataset_size: 2565874 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据集特征

• input: 数据类型为字符串。
• quality: 包含以下子特征：
  • status: 数据类型为字符串。
  • user_id: 数据类型为字符串。
  • value: 数据类型为字符串。
• metadata: 数据类型为字符串。
• avg_rating: 数据类型为浮点数。
• num_responses: 数据类型为整数。
• agreement_ratio: 数据类型为浮点数。
• raw_responses: 数据类型为整数序列。
• kind: 数据类型为字符串。
• cluster_description: 数据类型为字符串。
• topic: 数据类型为字符串。
• generation_model: 数据类型为字符串序列。
• generation_prompt: 包含以下子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• raw_generation_responses: 数据类型为字符串序列。
• merged_prompt_evaluator.rating: 数据类型为浮点数序列。
• merged_prompt_evaluator.rationale: 数据类型为字符串序列。
• generations: 数据类型为空。
• hash: 数据类型为整数。
• index_level_0: 数据类型为整数。
• model_name: 数据类型为字符串。

数据集分割

• train:
  • 数据大小: 2565874 字节。
  • 示例数量: 207。

数据集大小

• 下载大小: 408534 字节。
• 数据集总大小: 2565874 字节。

配置

• default:
  • 数据文件路径: data/train-*。