macadeliccc/distilabel-neurology-preferences-2k-cleaner

该数据集名为distilabel-neurology-preferences-2k-cleaner，主要用于神经学领域的偏好数据。数据集包含多个字段，如输入数据、生成模型、生成提示、原始生成响应、生成结果、标注模型、标注提示、原始标注响应、评分、理由、提示、选择项和拒绝项等。数据集分为训练集，包含1994个样本，总大小为46615638字节。数据集还提供了配置信息和标签，适用于偏好学习和模型训练。

The dataset named distilabel-neurology-preferences-2k-cleaner is primarily used for preference data in the field of neurology. It includes multiple fields such as input data, generation model, generation prompt, raw generation responses, generations, labelling model, labelling prompt, raw labelling response, rating, rationale, prompt, chosen, and rejected. The dataset is divided into a training set containing 1994 samples, with a total size of 46615638 bytes. It also provides configuration information and tags, making it suitable for preference learning and model training.

原始信息汇总

数据集概述

数据集信息

• 特征列表:

  • input: 类型为字符串。
  • generation_model: 类型为字符串序列。
  • generation_prompt: 包含两个子字段：
    • content: 类型为字符串。
    • role: 类型为字符串。
  • raw_generation_responses: 类型为字符串序列。
  • generations: 类型为字符串序列。
  • labelling_model: 类型为字符串。
  • labelling_prompt: 包含两个子字段：
    • content: 类型为字符串。
    • role: 类型为字符串。
  • raw_labelling_response: 类型为字符串。
  • rating: 类型为浮点数序列。
  • rationale: 类型为字符串序列。
  • prompt: 类型为字符串。
  • chosen: 类型为字符串。
  • rejected: 类型为字符串。

• 数据分割:

  • train: 包含46,615,638字节，1,994个样本。

• 数据集大小:

  • 下载大小: 16,327,496字节。
  • 数据集大小: 46,615,638字节。

配置信息

• 默认配置:
  • data_files:
    • train: 路径为data/train-*。