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-*。