OpenLLMAI/prompt-collection-v0.1

该数据集包含来自多个子数据集的提示，这些子数据集包括UltraFeedback、HelpSteer、OpenOrca Pairs、UltraInteract、DIBT 10K Prompts Ranked和Capybara Preferences。数据集的结构包括数据集名称、上下文、上下文消息（包含内容和角色）以及ID。训练集包含179,465个示例，总大小为658,972,830.7925905字节。

原始信息汇总

数据集概述

数据集信息

• 特征:

  • dataset: 数据集名称，类型为字符串。
  • context: 上下文信息，类型为字符串。
  • context_messages: 上下文消息列表，包含以下字段：
    • content: 消息内容，类型为字符串。
    • role: 消息角色，类型为字符串。
  • id: 数据标识符，类型为字符串。

• 数据分割:

  • train: 训练集，包含179,465个样本，总大小为658,972,830.7925905字节。

• 数据集大小:

  • 下载大小: 227,400,162字节
  • 数据集总大小: 658,972,830.7925905字节

配置

• 默认配置:
  • config_name: default
  • data_files:
    • split: train
    • path: data/train-*

数据来源

该数据集包含以下子数据集的提示信息：

1. UltraFeedback
2. HelpSteer
3. OpenOrca Pairs
4. UltraInteract
5. DIBT 10K Prompts Ranked
6. Capybara Preferences

搜集汇总

背景与挑战

背景概述

该数据集是一个多来源提示集合，包含来自六个不同数据集的179,465条提示，主要用于AI模型的训练和微调。数据集以Parquet格式提供，总大小为227 MB，适用于文本生成等任务。