five

HuggingFaceH4/deita-10k-v0-sft

收藏
Hugging Face2024-03-01 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/HuggingFaceH4/deita-10k-v0-sft
下载链接
链接失效反馈
官方服务:
资源简介:
--- license: mit language: - en size_categories: - 1K<n<10K dataset_info: features: - name: prompt dtype: string - name: prompt_id dtype: string - name: messages list: - name: content dtype: string - name: role dtype: string splits: - name: train_sft num_bytes: 349335841.1 num_examples: 9500 - name: test_sft num_bytes: 18386096.9 num_examples: 500 - name: train_gen num_bytes: 336873383 num_examples: 9500 - name: test_gen num_bytes: 16979716 num_examples: 500 download_size: 289754284 dataset_size: 721575037.0 configs: - config_name: default data_files: - split: train_sft path: data/train_sft-* - split: test_sft path: data/test_sft-* - split: train_gen path: data/train_gen-* - split: test_gen path: data/test_gen-* --- # Dataset Card for Deita 10k v0 This is a formatted version of [`hkust-nlp/deita-10k-v0`](https://huggingface.co/datasets/hkust-nlp/deita-10k-v0) to store the conversations in the same format as the OpenAI SDK. ## Citation If you find this dataset useful, please cite the original dataset: ``` @misc{liu2023what, title={What Makes Good Data for Alignment? A Comprehensive Study of Automatic Data Selection in Instruction Tuning}, author={Wei Liu and Weihao Zeng and Keqing He and Yong Jiang and Junxian He}, year={2023}, eprint={2312.15685}, archivePrefix={arXiv}, primaryClass={cs.CL} } ```
提供机构:
HuggingFaceH4
原始信息汇总

数据集卡片 Deita 10k v0

数据集信息

特征

  • prompt: 数据类型为字符串。
  • prompt_id: 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。

数据分割

  • train_sft:
    • 字节数: 349335841.1
    • 样本数: 9500
  • test_sft:
    • 字节数: 18386096.9
    • 样本数: 500
  • train_gen:
    • 字节数: 336873383
    • 样本数: 9500
  • test_gen:
    • 字节数: 16979716
    • 样本数: 500

数据大小

  • 下载大小: 289754284
  • 数据集大小: 721575037.0

配置

  • default:
    • train_sft: 数据路径为 data/train_sft-*
    • test_sft: 数据路径为 data/test_sft-*
    • train_gen: 数据路径为 data/train_gen-*
    • test_gen: 数据路径为 data/test_gen-*
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作