mlabonne/oasst-preferences

---
dataset_info:
features:
- name: prompt
dtype: string
- name: chosen
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rejected
list:
- name: content
dtype: string
- name: role
dtype: string
- name: chosen_rating
dtype: float64
- name: rejected_rating
dtype: float64
- name: language
dtype: string
- name: source
dtype: string
splits:
- name: train
num_bytes: 55090914.27065244
num_examples: 22346
download_size: 32921762
dataset_size: 55090914.27065244
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
license: apache-2.0
pretty_name: OpenAssistant Conversations Preferences
size_categories:
- 10K<n<100K
---

# OpenAssistant Conversations Preferences

This is a preference dataset based on [OpenAssistant/oasst1](https://huggingface.co/datasets/OpenAssistant/oasst1) and [OpenAssistant/oasst2](https://huggingface.co/datasets/OpenAssistant/oasst2).

It is processed using a pipeline based on [alexredna/oasst2_dpo_pairs](https://huggingface.co/datasets/alexredna/oasst2_dpo_pairs).

Note that there are outliers in user ratings.

原始信息汇总

OpenAssistant Conversations Preferences 数据集概述

数据集信息

特征

• prompt: 类型为字符串。
• chosen: 包含以下子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• rejected: 包含以下子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• chosen_rating: 类型为浮点数。
• rejected_rating: 类型为浮点数。
• language: 类型为字符串。
• source: 类型为字符串。

分割

• train: 包含 22346 个样本，占用 55090914.27065244 字节。

大小

• 下载大小: 32921762 字节。
• 数据集大小: 55090914.27065244 字节。

配置

• default: 包含训练数据文件，路径为 data/train-*。

许可

• 使用 Apache-2.0 许可证。

名称

• 数据集的友好名称是 "OpenAssistant Conversations Preferences"。

大小类别

• 数据集大小在 10K 到 100K 之间。