hqfx/tulu_v2

---
dataset_info:
features:
- name: conversation
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: science.scierc_ner
num_bytes: 634623
num_examples: 349
- name: sharegpt
num_bytes: 826685526
num_examples: 74312
- name: science.scifact_json
num_bytes: 2350372
num_examples: 919
- name: lima
num_bytes: 2847761
num_examples: 1018
- name: gpt4_alpaca
num_bytes: 16166613
num_examples: 19906
- name: science.evidence_inference
num_bytes: 6623765
num_examples: 1674
- name: oasst1
num_bytes: 11497333
num_examples: 7331
- name: science.scitldr_aic
num_bytes: 13404075
num_examples: 1959
- name: science.scierc_relation
num_bytes: 735295
num_examples: 349
- name: science.qasper_truncated_4000
num_bytes: 35171822
num_examples: 2218
- name: hard_coded
num_bytes: 71030
num_examples: 140
- name: code_alpaca
num_bytes: 7112342
num_examples: 20016
- name: cot
num_bytes: 56130437
num_examples: 49747
- name: wizardlm
num_bytes: 69904382
num_examples: 29810
- name: open_orca
num_bytes: 53121184
num_examples: 29683
- name: flan_v2
num_bytes: 105696294
num_examples: 49123
download_size: 541137401
dataset_size: 1208152854
configs:
- config_name: default
data_files:
- split: science.scierc_ner
path: data/science.scierc_ner-*
- split: sharegpt
path: data/sharegpt-*
- split: science.scifact_json
path: data/science.scifact_json-*
- split: lima
path: data/lima-*
- split: gpt4_alpaca
path: data/gpt4_alpaca-*
- split: science.evidence_inference
path: data/science.evidence_inference-*
- split: oasst1
path: data/oasst1-*
- split: science.scitldr_aic
path: data/science.scitldr_aic-*
- split: science.scierc_relation
path: data/science.scierc_relation-*
- split: science.qasper_truncated_4000
path: data/science.qasper_truncated_4000-*
- split: hard_coded
path: data/hard_coded-*
- split: code_alpaca
path: data/code_alpaca-*
- split: cot
path: data/cot-*
- split: wizardlm
path: data/wizardlm-*
- split: open_orca
path: data/open_orca-*
- split: flan_v2
path: data/flan_v2-*
---

原始信息汇总

数据集概述

数据集特征

• 名称: conversation
  • 内容:
    • 名称: content
      • 数据类型: string
    • 名称: role
      • 数据类型: string

数据集分割

• 名称: science.scierc_ner
  • 字节数: 634623
  • 样本数: 349
• 名称: sharegpt
  • 字节数: 826685526
  • 样本数: 74312
• 名称: science.scifact_json
  • 字节数: 2350372
  • 样本数: 919
• 名称: lima
  • 字节数: 2847761
  • 样本数: 1018
• 名称: gpt4_alpaca
  • 字节数: 16166613
  • 样本数: 19906
• 名称: science.evidence_inference
  • 字节数: 6623765
  • 样本数: 1674
• 名称: oasst1
  • 字节数: 11497333
  • 样本数: 7331
• 名称: science.scitldr_aic
  • 字节数: 13404075
  • 样本数: 1959
• 名称: science.scierc_relation
  • 字节数: 735295
  • 样本数: 349
• 名称: science.qasper_truncated_4000
  • 字节数: 35171822
  • 样本数: 2218
• 名称: hard_coded
  • 字节数: 71030
  • 样本数: 140
• 名称: code_alpaca
  • 字节数: 7112342
  • 样本数: 20016
• 名称: cot
  • 字节数: 56130437
  • 样本数: 49747
• 名称: wizardlm
  • 字节数: 69904382
  • 样本数: 29810
• 名称: open_orca
  • 字节数: 53121184
  • 样本数: 29683
• 名称: flan_v2
  • 字节数: 105696294
  • 样本数: 49123

数据集大小

• 下载大小: 541137401 字节
• 数据集大小: 1208152854 字节

配置信息

• 配置名称: default
  • 数据文件:
    • 分割: science.scierc_ner
      • 路径: data/science.scierc_ner-*
    • 分割: sharegpt
      • 路径: data/sharegpt-*
    • 分割: science.scifact_json
      • 路径: data/science.scifact_json-*
    • 分割: lima
      • 路径: data/lima-*
    • 分割: gpt4_alpaca
      • 路径: data/gpt4_alpaca-*
    • 分割: science.evidence_inference
      • 路径: data/science.evidence_inference-*
    • 分割: oasst1
      • 路径: data/oasst1-*
    • 分割: science.scitldr_aic
      • 路径: data/science.scitldr_aic-*
    • 分割: science.scierc_relation
      • 路径: data/science.scierc_relation-*
    • 分割: science.qasper_truncated_4000
      • 路径: data/science.qasper_truncated_4000-*
    • 分割: hard_coded
      • 路径: data/hard_coded-*
    • 分割: code_alpaca
      • 路径: data/code_alpaca-*
    • 分割: cot
      • 路径: data/cot-*
    • 分割: wizardlm
      • 路径: data/wizardlm-*
    • 分割: open_orca
      • 路径: data/open_orca-*
    • 分割: flan_v2
      • 路径: data/flan_v2-*