iamnguyen/ultrachat-200k

该数据集包含两个主要特征：prompt和prompt_id，以及一个名为messages的列表，该列表包含content和role两个子特征。数据集分为训练集（train_sft）和测试集（test_sft），分别包含201,517和22,411个例子。数据集的下载大小为788,418,608字节，总大小为1,504,410,344.5591977字节。

The dataset contains two main features: prompt and prompt_id, along with a list named messages which includes two sub-features: content and role. The dataset is divided into a training set (train_sft) and a test set (test_sft), containing 201,517 and 22,411 examples respectively. The download size of the dataset is 788,418,608 bytes, and the total size is 1,504,410,344.5591977 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• prompt: 类型为字符串。
• prompt_id: 类型为字符串。
• messages: 包含以下子特征的列表：
  • content: 类型为字符串。
  • role: 类型为字符串。

数据分割

• train_sft:
  • 字节数: 1,354,393,710.4679384
  • 样本数: 201,517
• test_sft:
  • 字节数: 150,016,634.09125918
  • 样本数: 22,411

数据集大小

• 下载大小: 788,418,608 字节
• 数据集总大小: 1,504,410,344.5591977 字节

配置

• config_name: default
  • data_files:
    • train_sft: 路径为 data/train_sft-*
    • test_sft: 路径为 data/test_sft-*