ninaxu/distilabel-example

该数据集是通过distilabel工具创建的，包含一个pipeline.yaml文件，可用于重现生成该数据集的管道。数据集的结构包括instruction、completion、meta、generation、distilabel_metadata和model_name等字段。meta字段进一步包含category、completion、id、input、motivation_app、prompt、source和subcategory等子字段。数据集的一个示例展示了如何使用这些字段来解决一个数学问题。数据集可以通过Hugging Face的datasets库加载。

This dataset, generated using the distilabel tool, includes multiple features such as instruction, completion, and meta, each with specific data types. The meta feature is a structured data containing sub-features like category, completion, id, etc. The dataset is divided into a training set with 10 examples. It is primarily used for text generation and question answering tasks.

原始信息汇总

数据集概述

数据集结构

特征

• instruction: 类型为字符串。
• completion: 类型为字符串。
• meta: 结构化数据，包含以下字段：
  • category: 类型为字符串。
  • completion: 类型为字符串。
  • id: 类型为整数（int64）。
  • input: 类型为空（null）。
  • motivation_app: 类型为空（null）。
  • prompt: 类型为字符串。
  • source: 类型为字符串。
  • subcategory: 类型为字符串。
• generation: 类型为字符串。
• distilabel_metadata: 结构化数据，包含以下字段：
  • raw_output_text_generation_0: 类型为字符串。
• model_name: 类型为字符串。

数据分割

• train: 包含10个样本，总字节数为28183。

数据集大小

• 下载大小: 39228字节
• 数据集大小: 28183字节

配置

• default: 包含训练数据文件，路径为data/train-*。

标签

• synthetic
• distilabel
• rlaif