preference-agents-working/enron-cleaned

--- dataset_info: features: - name: message_id dtype: string - name: from dtype: string - name: to dtype: string - name: date dtype: string - name: subject dtype: string - name: content dtype: string - name: email_context dtype: string - name: token_count_content dtype: int32 - name: token_count_context dtype: int32 - name: intent dtype: string - name: baseline struct: - name: google/gemma-1.1-2b-it dtype: string - name: google/gemma-1.1-7b-it dtype: string - name: meta-llama/Meta-Llama-3-70B-Instruct dtype: string - name: meta-llama/Meta-Llama-3-8B-Instruct dtype: string - name: mistralai/Mistral-7B-Instruct-v0.2 dtype: string - name: automatic_eval struct: - name: google/gemma-1.1-2b-it struct: - name: BERT Cosine Similarity dtype: float64 - name: BLEU Score dtype: float64 - name: ROUGE-L Score dtype: float64 - name: TF-IDF Cosine Similarity dtype: float64 - name: google/gemma-1.1-7b-it struct: - name: BERT Cosine Similarity dtype: float64 - name: BLEU Score dtype: float64 - name: ROUGE-L Score dtype: float64 - name: TF-IDF Cosine Similarity dtype: float64 - name: meta-llama/Meta-Llama-3-8B-Instruct struct: - name: BERT Cosine Similarity dtype: float64 - name: BLEU Score dtype: float64 - name: ROUGE-L Score dtype: float64 - name: TF-IDF Cosine Similarity dtype: float64 - name: mistralai/Mistral-7B-Instruct-v0.2 struct: - name: BERT Cosine Similarity dtype: float64 - name: BLEU Score dtype: float64 - name: ROUGE-L Score dtype: float64 - name: TF-IDF Cosine Similarity dtype: float64 splits: - name: train num_bytes: 95526649 num_examples: 20330 download_size: 51947088 dataset_size: 95526649 configs: - config_name: default data_files: - split: train path: data/train-* ---dataset_info: 数据集基本信息 features: - 字段名称：message_id，数据类型：字符串（string） - 字段名称：from，数据类型：字符串 - 字段名称：to，数据类型：字符串 - 字段名称：date，数据类型：字符串 - 字段名称：subject，数据类型：字符串 - 字段名称：content，数据类型：字符串 - 字段名称：email_context，数据类型：字符串 - 字段名称：token_count_content，数据类型：32位整型（int32） - 字段名称：token_count_context，数据类型：32位整型 - 字段名称：intent，数据类型：字符串 - 字段名称：baseline：结构体类型，包含各基线大语言模型的输出结果，具体如下： - 模型名称：google/gemma-1.1-2b-it，数据类型：字符串 - 模型名称：google/gemma-1.1-7b-it，数据类型：字符串 - 模型名称：meta-llama/Meta-Llama-3-70B-Instruct，数据类型：字符串 - 模型名称：meta-llama/Meta-Llama-3-8B-Instruct，数据类型：字符串 - 模型名称：mistralai/Mistral-7B-Instruct-v0.2，数据类型：字符串 - 字段名称：automatic_eval：结构体类型，包含各基线模型的自动评估指标，具体如下： - 模型：google/gemma-1.1-2b-it，结构体包含以下评估指标： - BERT余弦相似度（BERT Cosine Similarity）：64位浮点型（float64） - BLEU得分（BLEU Score）：64位浮点型 - ROUGE-L得分（ROUGE-L Score）：64位浮点型 - TF-IDF余弦相似度（TF-IDF Cosine Similarity）：64位浮点型 - 模型：google/gemma-1.1-7b-it，结构体包含上述四项评估指标，数据类型均为64位浮点型 - 模型：meta-llama/Meta-Llama-3-8B-Instruct，结构体包含上述四项评估指标，数据类型均为64位浮点型 - 模型：mistralai/Mistral-7B-Instruct-v0.2，结构体包含上述四项评估指标，数据类型均为64位浮点型 splits: - 拆分名称：train，数据字节数：95526649，样本总量：20330 download_size: 51947088（下载大小） dataset_size: 95526649（数据集总大小） configs: - 配置名称：default，数据文件配置： - 对应拆分：train，文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• message_id: 字符串类型
• from: 字符串类型
• to: 字符串类型
• date: 字符串类型
• subject: 字符串类型
• content: 字符串类型
• email_context: 字符串类型
• token_count_content: 整数类型（int32）
• token_count_context: 整数类型（int32）
• intent: 字符串类型
• baseline: 结构体类型，包含多个模型名称，如：
  • google/gemma-1.1-2b-it
  • google/gemma-1.1-7b-it
  • meta-llama/Meta-Llama-3-70B-Instruct
  • meta-llama/Meta-Llama-3-8B-Instruct
  • mistralai/Mistral-7B-Instruct-v0.2
• automatic_eval: 结构体类型，包含多个模型的评估指标，如：
  • BERT Cosine Similarity: 浮点数类型（float64）
  • BLEU Score: 浮点数类型（float64）
  • ROUGE-L Score: 浮点数类型（float64）
  • TF-IDF Cosine Similarity: 浮点数类型（float64）

数据集分割

• train:
  • 数据量: 95526649字节
  • 示例数量: 20330

数据集大小

• 下载大小: 51947088字节
• 数据集大小: 95526649字节