llama-duo/synth_coding_dataset_dedup

---
dataset_info:
features:
- name: generator
dtype: string
- name: prompt_id
dtype: string
- name: seed_prompt
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: category
dtype: string
- name: prompt
dtype: string
splits:
- name: train_sft_gpt4o
num_bytes: 365037998
num_examples: 116658
- name: test
num_bytes: 25319
num_examples: 16
download_size: 50569195
dataset_size: 365063317
configs:
- config_name: default
data_files:
- split: train_sft_gpt4o
path: data/train_sft_gpt4o-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• generator：数据类型为字符串。
• prompt_id：数据类型为字符串。
• seed_prompt：数据类型为字符串。
• messages：列表类型，包含以下子特征：
  • content：数据类型为字符串。
  • role：数据类型为字符串。
• category：数据类型为字符串。
• prompt：数据类型为字符串。

数据集分割

• train_sft_gpt4o：包含116658个样本，总大小为365037998字节。
• test：包含16个样本，总大小为25319字节。

数据集大小

• 下载大小：50569195字节。
• 数据集总大小：365063317字节。

数据文件配置

• default配置下，数据文件路径如下：
  • train_sft_gpt4o：路径为data/train_sft_gpt4o-*。
  • test：路径为data/test-*。