iamnguyen/mt-chat

---
dataset_info:
features:
- name: en
dtype: string
- name: vi
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 290228940
num_examples: 1000000
- name: validation
num_bytes: 639442
num_examples: 2000
- name: test
num_bytes: 635488
num_examples: 2000
download_size: 122253075
dataset_size: 291503870
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• en: 数据类型为字符串。
• vi: 数据类型为字符串。
• messages: 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。

数据集分割

• 训练集 (train): 包含1,000,000个样本，占用290,228,940字节。
• 验证集 (validation): 包含2,000个样本，占用639,442字节。
• 测试集 (test): 包含2,000个样本，占用635,488字节。

数据集大小

• 下载大小: 122,253,075字节。
• 数据集总大小: 291,503,870字节。

数据文件配置

• 默认配置 (default): 包含训练、验证和测试数据文件，路径分别为data/train-*、data/validation-*和data/test-*。