preference-agents-working/enron-jeff-dasovich

---
dataset_info:
features:
- name: id
dtype: string
- name: message_id
dtype: string
- name: from
dtype: string
- name: to
dtype: string
- name: date
dtype: string
- name: subject
dtype: string
- name: content
dtype: string
- name: email_context
dtype: string
- name: token_count_content
dtype: int32
- name: token_count_context
dtype: int32
- name: __index_level_0__
dtype: int64
- name: generated_intent
dtype: string
- name: train_data_gemma_format
dtype: string
- name: baseline_gemma-7b-it
dtype: string
- name: baseline_gemma-2b-it
dtype: string
- name: baseline_Mistral-7B-Instruct-v0.2
dtype: string
- name: automatic_eval_Mistral-7B-Instruct-v0.2
struct:
- name: BERT Cosine Similarity
dtype: float64
- name: BLEU Score
dtype: float64
- name: Jaccard Similarity
dtype: float64
- name: Levenshtein Distance
dtype: int64
- name: TF-IDF Cosine Similarity
dtype: float64
- name: automatic_eval_gemma-2b-it
struct:
- name: BERT Cosine Similarity
dtype: float64
- name: BLEU Score
dtype: float64
- name: Jaccard Similarity
dtype: float64
- name: Levenshtein Distance
dtype: int64
- name: TF-IDF Cosine Similarity
dtype: float64
- name: automatic_eval_gemma-7b-it
struct:
- name: BERT Cosine Similarity
dtype: float64
- name: BLEU Score
dtype: float64
- name: Jaccard Similarity
dtype: float64
- name: Levenshtein Distance
dtype: int64
- name: TF-IDF Cosine Similarity
dtype: float64
- name: sft_prompt_gemma-2b-it
dtype: string
- name: sft_text_gemma
dtype: string
- name: automatic_eval_finetune_gemma-2b-it
struct:
- name: BERT Cosine Similarity
dtype: float64
- name: BLEU Score
dtype: float64
- name: Jaccard Similarity
dtype: float64
- name: Levenshtein Distance
dtype: int64
- name: TF-IDF Cosine Similarity
dtype: float64
- name: finetune_gemma-2b-it
dtype: string
- name: cleaned_finetune_gemma-2b-it
dtype: string
- name: finetune_gemma-7b-it
dtype: string
- name: cleaned_finetune_gemma-7b-it
dtype: string
- name: automatic_eval_finetune_gemma-7b-it
struct:
- name: BERT Cosine Similarity
dtype: float64
- name: BLEU Score
dtype: float64
- name: Jaccard Similarity
dtype: float64
- name: Levenshtein Distance
dtype: int64
- name: TF-IDF Cosine Similarity
dtype: float64
- name: automatic_eval_finetune_Mistral-7B-Instruct-v0.2
struct:
- name: BERT Cosine Similarity
dtype: float64
- name: BLEU Score
dtype: float64
- name: Jaccard Similarity
dtype: float64
- name: Levenshtein Distance
dtype: int64
- name: TF-IDF Cosine Similarity
dtype: float64
- name: sft_text_Mistral
dtype: string
- name: finetune_Mistral-7B-Instruct-v0.2
dtype: string
- name: cleaned_finetune_Mistral-7B-Instruct-v0.2
dtype: string
splits:
- name: train
num_bytes: 4645727
num_examples: 260
- name: test
num_bytes: 1228392
num_examples: 65
download_size: 3206836
dataset_size: 5874119
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集特征

基本特征

• id: 字符串类型
• message_id: 字符串类型
• from: 字符串类型
• to: 字符串类型
• date: 字符串类型
• subject: 字符串类型
• content: 字符串类型
• email_context: 字符串类型
• token_count_content: 整数类型（int32）
• token_count_context: 整数类型（int32）
• index_level_0: 整数类型（int64）
• generated_intent: 字符串类型
• train_data_gemma_format: 字符串类型
• baseline_gemma-7b-it: 字符串类型
• baseline_gemma-2b-it: 字符串类型
• baseline_Mistral-7B-Instruct-v0.2: 字符串类型

自动评估指标

• automatic_eval_Mistral-7B-Instruct-v0.2: 结构类型，包含以下指标：
  • BERT Cosine Similarity: 浮点类型（float64）
  • BLEU Score: 浮点类型（float64）
  • Jaccard Similarity: 浮点类型（float64）
  • Levenshtein Distance: 整数类型（int64）
  • TF-IDF Cosine Similarity: 浮点类型（float64）
• automatic_eval_gemma-2b-it: 结构类型，包含以下指标：
  • BERT Cosine Similarity: 浮点类型（float64）
  • BLEU Score: 浮点类型（float64）
  • Jaccard Similarity: 浮点类型（float64）
  • Levenshtein Distance: 整数类型（int64）
  • TF-IDF Cosine Similarity: 浮点类型（float64）
• automatic_eval_gemma-7b-it: 结构类型，包含以下指标：
  • BERT Cosine Similarity: 浮点类型（float64）
  • BLEU Score: 浮点类型（float64）
  • Jaccard Similarity: 浮点类型（float64）
  • Levenshtein Distance: 整数类型（int64）
  • TF-IDF Cosine Similarity: 浮点类型（float64）

微调相关特征

• sft_prompt_gemma-2b-it: 字符串类型
• sft_text_gemma: 字符串类型
• automatic_eval_finetune_gemma-2b-it: 结构类型，包含以下指标：
  • BERT Cosine Similarity: 浮点类型（float64）
  • BLEU Score: 浮点类型（float64）
  • Jaccard Similarity: 浮点类型（float64）
  • Levenshtein Distance: 整数类型（int64）
  • TF-IDF Cosine Similarity: 浮点类型（float64）
• finetune_gemma-2b-it: 字符串类型
• cleaned_finetune_gemma-2b-it: 字符串类型
• finetune_gemma-7b-it: 字符串类型
• cleaned_finetune_gemma-7b-it: 字符串类型
• automatic_eval_finetune_gemma-7b-it: 结构类型，包含以下指标：
  • BERT Cosine Similarity: 浮点类型（float64）
  • BLEU Score: 浮点类型（float64）
  • Jaccard Similarity: 浮点类型（float64）
  • Levenshtein Distance: 整数类型（int64）
  • TF-IDF Cosine Similarity: 浮点类型（float64）
• automatic_eval_finetune_Mistral-7B-Instruct-v0.2: 结构类型，包含以下指标：
  • BERT Cosine Similarity: 浮点类型（float64）
  • BLEU Score: 浮点类型（float64）
  • Jaccard Similarity: 浮点类型（float64）
  • Levenshtein Distance: 整数类型（int64）
  • TF-IDF Cosine Similarity: 浮点类型（float64）
• sft_text_Mistral: 字符串类型
• finetune_Mistral-7B-Instruct-v0.2: 字符串类型
• cleaned_finetune_Mistral-7B-Instruct-v0.2: 字符串类型

数据集分割

• train: 260个样本，4645727字节
• test: 65个样本，1228392字节

数据集大小

• 下载大小: 3206836字节
• 数据集大小: 5874119字节