stallone/oasst-octopack

该数据集包含两种配置：conversation和source。conversation配置主要包含对话数据，每条记录包括文档ID和消息列表，消息列表中每条消息包含内容和角色。source配置包含源数据，每条记录包括对话列表、语言和文档ID，对话列表中每条对话包含消息ID、父消息ID、角色和文本。两种配置都只包含训练集，分别有8587个样本。

The dataset contains two configurations: conversation and source. The conversation configuration includes conversation data, with each record containing a document ID and a list of messages, where each message includes content and role. The source configuration includes source data, with each record containing a list of conversations, language, and document ID, where each conversation includes message ID, parent ID, role, and text. Both configurations only include the training set, each with 8587 samples.

原始信息汇总

数据集概述

数据集配置

配置1: conversation

• 特征:
  • doc_id: 字符串类型
  • messages: 列表类型
    • content: 字符串类型
    • role: 字符串类型
• 分割:
  • train:
    • 字节数: 13678799
    • 样本数: 8587
• 下载大小: 8072853 字节
• 数据集大小: 13678799 字节
• 数据文件:
  • train: conversation/train-*

配置2: source

• 特征:
  • conversations: 列表类型
    • message_id: 字符串类型
    • parent_id: 字符串类型
    • role: 字符串类型
    • text: 字符串类型
  • lang: 字符串类型
  • doc_id: 字符串类型
• 分割:
  • train:
    • 字节数: 15486010
    • 样本数: 8587
• 下载大小: 9668774 字节
• 数据集大小: 15486010 字节
• 数据文件:
  • train: source/train-*