distilabel-internal-testing/fine-preferences-magpie-v6-tasky-3

该数据集是通过distilabel工具生成的，主要用于研究螺旋星系中kpc大小的壳和孔的形成机制。数据集中包含了对话内容、生成模型名称、语言评分、token计数等信息。数据集的结构包括多个字段，如conversation、distilabel_metadata、generations等，涵盖了从用户提问到AI助手的回答，以及相关的元数据和生成模型信息。

This dataset was generated using the distilabel tool and is primarily used to study the formation mechanisms of kpc-size shells and holes in spiral galaxies. The dataset includes conversation content, generation model names, language scores, token counts, and more. The dataset structure comprises multiple fields such as conversation, distilabel_metadata, generations, etc., covering user queries, AI assistant responses, and related metadata and generation model information.

原始信息汇总

数据集概述

数据集结构

特征

• text: 字符串类型
• id: 字符串类型
• dump: 字符串类型
• url: 字符串类型
• file_path: 字符串类型
• language: 字符串类型
• language_score: 浮点数类型
• token_count: 整数类型
• score: 浮点数类型
• int_score: 整数类型
• system_prompt: 字符串类型
• conversation: 列表类型，包含以下子特征：
  • content: 字符串类型
  • role: 字符串类型
• gen_conv_model_name: 字符串类型
• generations: 字符串序列类型
• distilabel_metadata: 结构类型，包含以下子特征：
  • raw_output_chat_generation_2: 字符串类型
• generations_model_names: 字符串序列类型

数据分割

• train: 包含100个样本，占用1627504字节

数据集大小

• 下载大小: 793055字节
• 数据集大小: 1627504字节

配置

• default: 包含训练数据文件，路径为data/train-*

标签

• synthetic
• distilabel
• rlaif