Nutanix/Anthropic_HH_Golden-processed

该数据集包含多个数据分割，如训练集、测试集、验证集等。每个数据分割包含prompt和completion两个主要特征，每个特征由content和role两个字段组成，数据类型均为字符串。此外，数据集还包含一个布尔类型的label字段。数据集的下载大小为33,762,467字节，总大小为83,034,195字节。

This dataset contains multiple splits such as train, test, val, etc. Each split includes two main features: prompt and completion, each consisting of content and role fields, both of which are of string type. Additionally, the dataset includes a boolean label field. The download size of the dataset is 33,762,467 bytes, and the total size is 83,034,195 bytes.

原始信息汇总

数据集概述

数据集特征

• prompt:
  • content: 字符串类型
  • role: 字符串类型
• completion:
  • content: 字符串类型
  • role: 字符串类型
• label: 布尔类型

数据集分割

• train:
  • 字节数: 59810426
  • 样本数: 85074
• test:
  • 字节数: 3350319
  • 样本数: 4624
• val:
  • 字节数: 1661166
  • 样本数: 2312
• sub:
  • 字节数: 2328997
  • 样本数: 3000
• sub2:
  • 字节数: 2537764
  • 样本数: 3000
• sub_llm:
  • 字节数: 3151297
  • 样本数: 5000
• sub_llm2:
  • 字节数: 1955077
  • 样本数: 3000
• clustered:
  • 字节数: 2119096
  • 样本数: 3000
• clustered_pstable:
  • 字节数: 2065113
  • 样本数: 3000
• clustered_pstable_pca:
  • 字节数: 2068242
  • 样本数: 3000
• sub_llm_mean:
  • 字节数: 1986698
  • 样本数: 3000

数据集大小

• 下载大小: 33762467 字节
• 数据集总大小: 83034195 字节

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • test: data/test-*
    • val: data/val-*
    • sub: data/sub-*
    • sub2: data/sub2-*
    • sub_llm: data/sub_llm-*
    • sub_llm2: data/sub_llm2-*
    • clustered: data/clustered-*
    • clustered_pstable: data/clustered_pstable-*
    • clustered_pstable_pca: data/clustered_pstable_pca-*
    • sub_llm_mean: data/sub_llm_mean-*