SUSTech/wildchat_zh

--- dataset_info: features: - name: conversation_id dtype: string - name: conversations list: - name: content dtype: string - name: language dtype: string - name: redacted dtype: bool - name: role dtype: string - name: toxic dtype: bool - name: model dtype: string splits: - name: train num_bytes: 424092565 num_examples: 104301 download_size: 211445530 dataset_size: 424092565 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据特征

• conversation_id: 字符串类型，用于标识对话的唯一ID。
• conversations: 列表类型，包含以下子特征：
  • content: 字符串类型，对话内容。
  • language: 字符串类型，对话所使用的语言。
  • redacted: 布尔类型，表示对话内容是否被编辑。
  • role: 字符串类型，对话中参与者的角色。
  • toxic: 布尔类型，表示对话内容是否含有毒性。
• model: 字符串类型，使用的模型名称。

数据分割

• train: 训练集，包含424092565字节的数据和104301个样本。

数据集大小

• 下载大小: 211445530字节
• 数据集大小: 424092565字节

配置

• default: 默认配置，包含训练集数据文件，路径为data/train-*。