nthakur/miracl-en-x-raft-sft-instruct-v0.1

---
dataset_info:
features:
- name: id
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: positive_ids
sequence: string
- name: negative_ids
sequence: string
- name: language
dtype: string
splits:
- name: train
num_bytes: 630071764.2630956
num_examples: 87578
- name: test
num_bytes: 26979025.736904345
num_examples: 3750
download_size: 674269238
dataset_size: 657050790.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• id: 数据类型为字符串。
• messages: 包含两个子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• positive_ids: 数据类型为字符串，以序列形式存储。
• negative_ids: 数据类型为字符串，以序列形式存储。
• language: 数据类型为字符串。

数据集分割

• 训练集 (train):
  • 数据量: 87578个样本。
  • 存储大小: 630071764.2630956字节。
• 测试集 (test):
  • 数据量: 3750个样本。
  • 存储大小: 26979025.736904345字节。

数据集大小

• 下载大小: 674269238字节。
• 数据集总大小: 657050790.0字节。

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*。
  • 测试集路径: data/test-*。