r2egym-unified-100000

该数据集包含100,000个训练样本，总大小约2.23GB（压缩下载包498MB）。每个数据实例由对话记录、实例ID和数据来源标识组成，其中对话记录采用结构化格式存储，包含'content'（文本内容）和'role'（角色标识）两个字符串字段。数据集未提供具体的任务描述或应用场景说明，但从数据结构推断可能适用于对话系统训练或自然语言处理研究。

原始信息汇总

数据集概述

基本信息

• 数据集名称: r2egym-unified-100000
• 发布者/组织: laion
• 数据集地址: https://huggingface.co/datasets/laion/r2egym-unified-100000
• 下载大小: 498,728,589 字节
• 数据集大小: 2,232,692,503.2880316 字节

数据内容与结构

• 总样本数: 100,000 条
• 数据分割: 仅包含一个“train”（训练）分割
• 数据特征:
  1. conversations (对话): 一个列表，列表中的每个元素包含：
     • content (内容): 字符串类型
     • role (角色): 字符串类型
  2. instance_id (实例ID): 字符串类型
  3. source (来源): 字符串类型

文件配置

• 默认配置名称: default
• 数据文件路径: data/train-*