minkyungpark/distilabel_test

该数据集是通过distilabel工具创建的，包含一个pipeline.yaml文件，用于重现生成数据集的管道。数据集的结构包括多个字段，如instruction、completion、meta等，其中meta字段包含category、id、prompt、source等子字段。数据集主要用于问答和数学问题的生成，示例展示了一个数学问题的生成过程。数据集可以通过Hugging Face的datasets库加载。

This dataset was created using the distilabel tool and includes a pipeline.yaml file to reproduce the pipeline that generated it. The dataset structure includes fields such as instruction, completion, meta, etc., with the meta field containing subfields like category, id, prompt, source, etc. The dataset is primarily used for generating question-answering and math problems, with an example demonstrating the generation of a math problem. The dataset can be loaded using the Hugging Face datasets library.

原始信息汇总

数据集概述

数据集结构

特征

• instruction: 类型为字符串。
• completion: 类型为字符串。
• meta: 结构化数据，包含以下字段：
  • category: 类型为字符串。
  • completion: 类型为字符串。
  • id: 类型为整数（int64）。
  • input: 类型为空（null）。
  • motivation_app: 类型为空（null）。
  • prompt: 类型为字符串。
  • source: 类型为字符串。
  • subcategory: 类型为字符串。
• generation: 类型为字符串。
• distilabel_metadata: 结构化数据，包含以下字段：
  • raw_output_text_generation_0: 类型为字符串。
• model_name: 类型为字符串。

数据分割

• train: 包含10个样本，总字节数为29911。

数据集大小

• 下载大小: 41662字节
• 数据集大小: 29911字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*

标签

• synthetic
• distilabel
• rlaif