anhdungitvn/vi-sft-unprocessed

该数据集包含多个字段，如instruction（指令）、input（输入）、output（输出）、messages（消息）等。每个字段都有其特定的数据类型，例如instruction、input、output和messages的内容都是字符串类型。数据集还包含一个train分割，包含497008个样本，总大小为1011004750.0字节。数据集的下载大小为473451534字节。

This dataset contains multiple fields such as instruction, input, output, messages, etc. Each field has its specific data type, for example, the content of instruction, input, output, and messages are all of string type. The dataset includes a train split with 497008 examples and a total size of 1011004750.0 bytes. The download size of the dataset is 473451534 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• instruction: 类型为字符串。
• input: 类型为字符串。
• output: 类型为字符串。
• messages: 包含以下子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• instruction_md5: 类型为字符串。
• input_md5: 类型为字符串。
• output_md5: 类型为字符串。
• messages_md5: 类型为字符串。
• source: 类型为字符串。

数据分割

• train: 包含497008个样本，总大小为1011004750.0字节。

数据集大小

• 下载大小: 473451534字节。
• 数据集大小: 1011004750.0字节。

配置

• default: 包含训练数据文件，路径为data/train-*。