gabrielmbmb/magpie-distilabel

该数据集包含三个配置：default、magpie_generator_0和magpie_generator_1。default和magpie_generator_0配置包含对话数据，每个对话由内容和角色组成。magpie_generator_1配置包含指令数据，每条指令是一个字符串。数据集是通过distilabel工具生成的，并提供了一个pipeline.yaml文件用于复现生成过程。

This dataset contains three configurations: default, magpie_generator_0, and magpie_generator_1. The default and magpie_generator_0 configurations contain conversation data, with each conversation consisting of content and role. The magpie_generator_1 configuration contains instruction data, with each instruction being a string. The dataset was generated using the distilabel tool and includes a pipeline.yaml file for reproducing the generation process.

原始信息汇总

数据集概述

数据集结构

配置: default

• 特征:
  • conversation:
    • content: 字符串类型
    • role: 字符串类型
• 分割:
  • train:
    • 字节数: 29916
    • 样本数: 10
• 下载大小: 28836 字节
• 数据集大小: 29916 字节

配置: magpie_generator_0

• 特征:
  • conversation:
    • content: 字符串类型
    • role: 字符串类型
• 分割:
  • train:
    • 字节数: 25476
    • 样本数: 10
• 下载大小: 16992 字节
• 数据集大小: 25476 字节

配置: magpie_generator_1

• 特征:
  • instruction: 字符串类型
• 分割:
  • train:
    • 字节数: 2211
    • 样本数: 10
• 下载大小: 2718 字节
• 数据集大小: 2211 字节

数据文件路径

• 配置: default:
  • train: data/train-*
• 配置: magpie_generator_0:
  • train: magpie_generator_0/train-*
• 配置: magpie_generator_1:
  • train: magpie_generator_1/train-*

标签

• synthetic
• distilabel
• rlaif