laurentiubp/orca-filtered

该数据集包含多个特征字段，包括messages列表（包含content、role和uuid字段）、source字段、scores结构体（包含coherence、complexity、correctness、helpfulness、instruction-following、safety、verbosity和verbosity-coeff字段）、agg_score字段和uuid字段。数据集分为训练集，包含348,073个示例，总大小为696,926,216.6143398字节，下载大小为357,401,760字节。

The dataset includes multiple feature fields, such as a messages list (containing content, role, and uuid fields), a source field, a scores structure (containing coherence, complexity, correctness, helpfulness, instruction-following, safety, verbosity, and verbosity-coeff fields), an agg_score field, and a uuid field. The dataset is divided into a training set with 348,073 examples, a total size of 696,926,216.6143398 bytes, and a download size of 357,401,760 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• messages: 包含以下子特征的列表
  • content: 字符串类型
  • role: 字符串类型
  • uuid: 字符串类型
• source: 字符串类型
• scores: 包含以下子特征的结构
  • coherence: 浮点数类型
  • complexity: 浮点数类型
  • correctness: 浮点数类型
  • helpfulness: 浮点数类型
  • instruction-following: 浮点数类型
  • safety: 浮点数类型
  • verbosity: 浮点数类型
  • verbosity-coeff: 浮点数类型
• agg_score: 浮点数类型
• uuid: 字符串类型

数据分割

• train: 包含348,073个样本，占用696,926,216.6143398字节

数据集大小

• 下载大小: 357,401,760字节
• 数据集大小: 696,926,216.6143398字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*