mrm8488/unnatural-instructions-full

Unnatural Instructions是一个由大型语言模型自动生成的指令数据集，包含240,670个指令-输入-输出三元组。数据集的结构与核心数据相同，但增加了一个额外的字段`reformulations`，该字段包含自动生成的指令改写。每个改写包含指令、输入、带输入的指令和输出四个字段。

原始信息汇总

数据集概述

数据集名称

• 名称: Unnatural Instructions (Full data)

数据集内容

• 描述: 包含240,670个Unnatural Instructions（指令-输入-输出三元组）示例。这些示例是通过扩展核心数据集并自动生成指令释义构建的。
• 额外字段: reformulations，一个JSON对象数组，每个对象对应于给定指令的自动生成释义。

数据集结构

• 特征:
  • instruction: 字符串类型
  • instances: 列表类型，包含以下子特征:
    • instruction_with_input: 字符串类型
    • input: 字符串类型
    • constraints: 字符串类型
    • output: 字符串类型
  • reformulations: 列表类型，包含以下子特征:
    • instruction: 字符串类型
    • instruction_with_input: 字符串类型
    • input: 字符串类型
    • output: 字符串类型

数据集大小

• 训练集:
  • num_bytes: 144,282,712字节
  • num_examples: 66,010个示例
• 下载大小: 57,715,606字节
• 数据集总大小: 144,282,712字节

引用信息

• 引用文献:

  @misc{honovich2022unnatural, title={Unnatural Instructions: Tuning Language Models with (Almost) No Human Labor}, author={Honovich, Or and Scialom, Thomas and Levy, Omer and Schick, Timo}, url={https://arxiv.org/abs/2212.09689}, publisher={arXiv}, year={2022} }