rasdani/cohere-wikipedia-2023-11-da-queries

该数据集是通过distilabel工具生成的，包含了一个`pipeline.yaml`文件，用于重现生成该数据集的流程。数据集的结构包括多个字段，如`_id`、`url`、`title`、`text`、`score`、`views`、`model_name`和`query`，这些字段分别表示唯一标识符、URL链接、标题、文本内容、评分、浏览量、模型名称和查询内容。数据集的大小为小于1K，包含1500个示例，总大小为799214字节。数据集的标签包括`synthetic`、`distilabel`和`rlaif`，表明这是一个合成的、使用distilabel工具生成的、并且可能与强化学习和人工智能反馈相关的数据集。

原始信息汇总

数据集概述

数据集基本信息

• 数据集大小: 小于1000条记录 (size_categories: n<1K)
• 下载大小: 515711字节
• 数据集大小: 799214字节

数据集特征

• _id: 字符串类型
• url: 字符串类型
• title: 字符串类型
• text: 字符串类型
• score: 浮点数类型
• views: 浮点数类型
• model_name: 字符串类型
• query: 字符串类型

数据集分割

• 训练集:
  • 字节数: 799214
  • 示例数: 1500

配置信息

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

数据集标签

• synthetic
• distilabel
• rlaif

数据集加载示例

python from datasets import load_dataset

ds = load_dataset("rasdani/cohere-wikipedia-2023-11-da-queries")