shirshakach/Llama-Dataset

---
dataset_info:
features:
- name: query_id
dtype: int32
- name: answers
sequence: string
- name: passages
struct:
- name: is_selected
sequence: int32
- name: passage_text
sequence: string
- name: url
sequence: string
- name: query
dtype: string
- name: query_type
dtype: string
- name: wellFormedAnswers
sequence: 'null'
- name: ai_answers
dtype: string
- name: query_len
dtype: int64
- name: prompt
dtype: string
splits:
- name: train
num_bytes: 22204146
num_examples: 5000
download_size: 10885468
dataset_size: 22204146
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• query_id: 数据类型为 int32。
• answers: 序列类型为 string。
• passages: 结构化数据，包含以下字段：
  • is_selected: 序列类型为 int32。
  • passage_text: 序列类型为 string。
  • url: 序列类型为 string。
• query: 数据类型为 string。
• query_type: 数据类型为 string。
• wellFormedAnswers: 序列类型为 null。
• ai_answers: 数据类型为 string。
• query_len: 数据类型为 int64。
• prompt: 数据类型为 string。

数据集分割

• train: 包含 5000 个样本，数据大小为 22204146 字节。

数据集大小

• 下载大小: 10885468 字节。
• 数据集大小: 22204146 字节。

配置

• default: 包含训练数据文件，路径为 data/train-*。