distilabel-internal-testing/fine-preferences-magpie-v1

该数据集包含100个示例，每个示例包含多个特征，如文本、ID、URL、文件路径、语言、语言评分、标记计数、评分、整数评分、系统提示、对话内容等。对话内容是一个列表，包含用户和AI助手之间的交互。数据集是通过distilabel工具生成的，并且可以通过提供的pipeline.yaml文件进行复现。数据集主要用于模拟用户与AI助手之间的对话，内容涉及天文学中的星际介质和伽马射线暴等主题。

The dataset fine-preferences-magpie-v1 is a synthetic dataset created using the distilabel tool. It contains structured data with features such as text, id, dump, url, file_path, language, language_score, token_count, score, int_score, system_prompt, conversation, and model_name. The dataset includes a single configuration named default with a training split containing 100 examples. The examples are structured conversations between a user and an AI assistant, following specific guidelines to simulate natural dialogue based on a documents content without directly referencing it. The dataset is tagged with synthetic, distilabel, and rlaif.

原始信息汇总

数据集概述

数据集信息

• 数据集名称: fine-preferences-magpie-v1
• 数据集大小: 1,559,824 字节
• 下载大小: 707,746 字节
• 样本数量: 100 个
• 配置: default

数据结构

• 特征:
  • text: 文本内容，类型为字符串
  • id: 唯一标识符，类型为字符串
  • dump: 数据转储信息，类型为字符串
  • url: 数据来源URL，类型为字符串
  • file_path: 文件路径，类型为字符串
  • language: 语言标识，类型为字符串
  • language_score: 语言评分，类型为浮点数
  • token_count: 标记数量，类型为整数
  • score: 评分，类型为浮点数
  • int_score: 整数评分，类型为整数
  • system_prompt: 系统提示，类型为字符串
  • conversation: 对话列表，包含以下子特征：
    • content: 对话内容，类型为字符串
    • role: 对话角色，类型为字符串
  • model_name: 模型名称，类型为字符串

数据集分割

• 训练集:
  • 样本数量: 100 个
  • 字节数: 1,559,824 字节

数据集标签

• 标签:
  • synthetic
  • distilabel
  • rlaif