tomg-group-umd/GenQA_rebalanced

该数据集包含两个主要特征：prompt和messages。prompt是一个字符串类型的字段，而messages是一个包含content和role两个字符串类型字段的列表。数据集分为训练集，包含6,470,575个示例，总大小为12,680,249,002字节。数据集的下载大小为6,815,161,130字节。数据文件路径为data/train-*。

原始信息汇总

数据集信息

特征

• prompt: 数据类型为字符串。
• messages: 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。

数据分割

• train: 包含6470575个样本，占用12680249002字节。

数据大小

• 下载大小: 6815161130字节。
• 数据集大小: 12680249002字节。

配置

• default: 包含以下数据文件：
  • train: 路径为data/train-*。