svjack/ShareGPT-computer-en-zh-26k

--- dataset_info: features: - name: conversation_id dtype: string - name: category dtype: string - name: conversation_en list: - name: assistant dtype: string - name: human dtype: string - name: conversation_zh list: - name: assistant dtype: string - name: human dtype: string splits: - name: train num_bytes: 102648417 num_examples: 20443 download_size: 53783044 dataset_size: 102648417 configs: - config_name: default data_files: - split: train path: data/train-* ---The dataset includes conversation IDs, categories, English conversations, and Chinese conversations. Each conversation feature contains dialogues from both the assistant and the human. The dataset is divided into a training set with 20443 examples, totaling 102648417 bytes.

原始信息汇总

数据集概述

数据集特征

• conversation_id: 数据类型为字符串。
• category: 数据类型为字符串。
• conversation_en: 包含两个子特征
  • assistant: 数据类型为字符串。
  • human: 数据类型为字符串。
• conversation_zh: 包含两个子特征
  • assistant: 数据类型为字符串。
  • human: 数据类型为字符串。

数据集划分

• train: 训练集，包含20443个样本，总大小为102648417字节。

数据集大小

• 下载大小: 53783044字节。
• 数据集总大小: 102648417字节。

搜集汇总

背景与挑战

背景概述

该数据集包含约2万条中英双语对话，源自ShareGPT平台，涵盖编程、科学、日常交流等多个领域，每对对话提供英文和中文版本，适合用于训练多语言对话模型或机器翻译任务。