ContextualAI/ultrabin_clean_max_chosen_min_rejected

---
dataset_info:
features:
- name: source
dtype: string
- name: prompt
dtype: string
- name: chosen
list:
- name: content
dtype: string
- name: role
dtype: string
- name: chosen-rating
dtype: float64
- name: chosen-model
dtype: string
- name: rejected
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rejected-rating
dtype: float64
- name: rejected-model
dtype: string
splits:
- name: train
num_bytes: 274978608
num_examples: 60917
download_size: 138255395
dataset_size: 274978608
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集信息

特征

• source: 数据来源，类型为字符串。
• prompt: 提示信息，类型为字符串。
• chosen:
  • content: 被选中的内容，类型为字符串。
  • role: 角色信息，类型为字符串。
• chosen-rating: 被选中的评分，类型为浮点数。
• chosen-model: 被选中的模型，类型为字符串。
• rejected:
  • content: 被拒绝的内容，类型为字符串。
  • role: 角色信息，类型为字符串。
• rejected-rating: 被拒绝的评分，类型为浮点数。
• rejected-model: 被拒绝的模型，类型为字符串。

数据分割

• train: 训练集，包含60917个样本，总大小为274978608字节。

数据集大小

• 下载大小: 138255395字节
• 数据集大小: 274978608字节

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。