Respair/sharegpt_chatml_compressed

该数据集名为sharegpt_chatml_compressed，主要包含对话数据。数据集的特征包括对话内容、是否用于训练的标志、对话角色、处理后的消息和对话轮次。数据集被分割为训练集，包含94145个样本，总大小为1445901912字节。原始数据集是多轮对话，但为了节省上下文，只保留了第一轮对话。

The dataset named sharegpt_chatml_compressed primarily contains conversational data. The features of the dataset include conversation content, a flag indicating whether it is used for training, the role in the conversation, processed messages, and the round of conversation. The dataset is split into a training set containing 94,145 samples, with a total size of 1,445,901,912 bytes. The original dataset was a multi-round conversation, but to save context, only the first round was retained.

原始信息汇总

数据集概述

数据集名称

• sharegpt_chatml_compressed

数据集描述

• 移除了聊天模板，保留了多轮对话中的第一轮以节省上下文。

数据集特征

• conversation:
  • content: 字符串类型
  • do_train: 布尔类型
  • role: 字符串类型
• processed_messages: 字符串类型
• round: 字符串类型

数据集分割

• train:
  • 样本数量: 94145
  • 字节数: 1445901912

数据集大小

• 下载大小: 562274132 字节
• 数据集大小: 1445901912 字节

配置

• default:
  • 数据文件路径: data/train-*