StarfleetAI/Code-290k-ShareGPT-MarkedLanguage

该数据集名为Code-290k-ShareGPT-MarkedLanguage，是ajibawa-2023/Code-290k-ShareGPT数据集的变体，每个示例都标记了使用的编程语言。语言检测是通过启发式方法进行的，可能存在不准确性。数据集包含289,094个训练示例，总大小为548,206,711字节，下载大小为268,926,435字节。

原始信息汇总

数据集概述

数据集信息

特征

• id: 数据类型为字符串。
• conversations: 列表类型，包含以下子特征：
  • from: 数据类型为字符串。
  • value: 数据类型为字符串。
• language: 数据类型为字符串。

数据分割

• train:
  • 字节数: 548206711
  • 样本数: 289094

数据大小

• 下载大小: 268926435
• 数据集大小: 548206711

配置

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*