Shengkun/llama3_texts

---
dataset_info:
features:
- name: conversation_id
dtype: string
- name: model
dtype: string
- name: timestamp
dtype: timestamp[s, tz=UTC]
- name: conversation
list:
- name: content
dtype: string
- name: language
dtype: string
- name: redacted
dtype: bool
- name: role
dtype: string
- name: toxic
dtype: bool
- name: turn
dtype: int64
- name: language
dtype: string
- name: openai_moderation
list:
- name: categories
struct:
- name: harassment
dtype: bool
- name: harassment/threatening
dtype: bool
- name: hate
dtype: bool
- name: hate/threatening
dtype: bool
- name: self-harm
dtype: bool
- name: self-harm/instructions
dtype: bool
- name: self-harm/intent
dtype: bool
- name: sexual
dtype: bool
- name: sexual/minors
dtype: bool
- name: violence
dtype: bool
- name: violence/graphic
dtype: bool
- name: category_scores
struct:
- name: harassment
dtype: float64
- name: harassment/threatening
dtype: float64
- name: hate
dtype: float64
- name: hate/threatening
dtype: float64
- name: self-harm
dtype: float64
- name: self-harm/instructions
dtype: float64
- name: self-harm/intent
dtype: float64
- name: sexual
dtype: float64
- name: sexual/minors
dtype: float64
- name: violence
dtype: float64
- name: violence/graphic
dtype: float64
- name: flagged
dtype: bool
- name: detoxify_moderation
list:
- name: identity_attack
dtype: float32
- name: insult
dtype: float32
- name: obscene
dtype: float32
- name: severe_toxicity
dtype: float32
- name: sexual_explicit
dtype: float32
- name: threat
dtype: float32
- name: toxicity
dtype: float32
- name: toxic
dtype: bool
- name: redacted
dtype: bool
- name: llama3_8b_output
dtype: string
- name: llama3_8b_prompt
dtype: string
splits:
- name: train
num_bytes: 36628220
num_examples: 6000
download_size: 20955485
dataset_size: 36628220
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• conversation_id: 数据类型为字符串。
• model: 数据类型为字符串。
• timestamp: 数据类型为时间戳，单位为秒，时区为UTC。
• conversation: 列表类型，包含以下子特征：
  • content: 数据类型为字符串。
  • language: 数据类型为字符串。
  • redacted: 数据类型为布尔值。
  • role: 数据类型为字符串。
  • toxic: 数据类型为布尔值。
• turn: 数据类型为整数。
• language: 数据类型为字符串。
• openai_moderation: 列表类型，包含以下子特征：
  • categories: 结构体类型，包含多个布尔值特征，如harassment, hate等。
  • category_scores: 结构体类型，包含多个浮点数特征，如harassment, hate等。
  • flagged: 数据类型为布尔值。
• detoxify_moderation: 列表类型，包含多个浮点数特征，如identity_attack, insult等。
• toxic: 数据类型为布尔值。
• redacted: 数据类型为布尔值。
• llama3_8b_output: 数据类型为字符串。
• llama3_8b_prompt: 数据类型为字符串。

数据集分割

• train: 包含6000个样本，数据大小为36628220字节，下载大小为20955485字节。

配置

• default: 数据文件路径为data/train-*。