AlignmentResearch/Helpful

该数据集包含多个配置（default、neg、pos），每个配置都有相同的特征结构，包括instructions（指令）、content（内容）、answer_prompt（回答提示）、clf_label（分类标签）和gen_target（生成目标）。clf_label是一个分类标签，有两个类别：FIRST和SECOND。数据集分为训练集和验证集，每个配置的训练集和验证集的大小和样本数量也有所不同。

The dataset contains multiple configurations (default, neg, pos), each with the same feature structure, including instructions, content, answer_prompt, clf_label, and gen_target. clf_label is a classification label with two categories: FIRST and SECOND. The dataset is divided into training and validation sets, with varying sizes and numbers of examples for each configurations training and validation sets.

原始信息汇总

数据集概述

数据集配置

• default:

  • 特征:
    • instructions: 字符串类型
    • content: 字符串序列
    • answer_prompt: 字符串类型
    • clf_label: 分类标签，包含两个类别：FIRST 和 SECOND
    • gen_target: 字符串类型
  • 分割:
    • train: 41815个样本，75265082.0字节
    • validation: 2243个样本，4049127.0字节
  • 下载大小: 25494848字节
  • 数据集大小: 79314209.0字节

• neg:

  • 特征:
    • instructions: 字符串类型
    • content: 字符串序列
    • answer_prompt: 字符串类型
    • clf_label: 分类标签，包含两个类别：FIRST 和 SECOND
    • gen_target: 字符串类型
  • 分割:
    • train: 20894个样本，37608241.61922755字节
    • validation: 1121个样本，2023660.8858671421字节
  • 下载大小: 12780884字节
  • 数据集大小: 39631902.50509469字节

• pos:

  • 特征:
    • instructions: 字符串类型
    • content: 字符串序列
    • answer_prompt: 字符串类型
    • clf_label: 分类标签，包含两个类别：FIRST 和 SECOND
    • gen_target: 字符串类型
  • 分割:
    • train: 20921个样本，37656840.38077245字节
    • validation: 1122个样本，2025466.1141328579字节
  • 下载大小: 12741797字节
  • 数据集大小: 39682306.49490531字节

数据文件路径

• default:

  • train: data/train-*
  • validation: data/validation-*

• neg:

  • train: neg/train-*
  • validation: neg/validation-*

• pos:

  • train: pos/train-*
  • validation: pos/validation-*