GitBag/multiturn-512-UltraInteract_pair_diff_len

该数据集包含多个特征，如任务、数据集、轨迹等，其中轨迹是一个列表，包含内容和角色两个子特征。数据集还包括选择、拒绝、ID、父ID等字段，以及与LLAMA模型相关的对话和提示字段。数据集分为训练集和测试集，分别包含105520和500个样本，总大小为15058229211.0字节。

The dataset contains multiple features such as task, dataset, trajectory, etc., where trajectory is a list containing two sub-features: content and role. The dataset also includes fields like chosen, rejected, ID, parent_id, and fields related to the LLAMA model such as llama_dialogue and llama_dialogue_tokens. The dataset is divided into a training set and a test set, containing 105520 and 500 samples respectively, with a total size of 15058229211.0 bytes.

原始信息汇总

数据集概述

特征信息

• task: 类型为字符串。
• dataset: 类型为字符串。
• trajectory: 包含以下子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• chosen: 类型为字符串。
• rejected: 类型为字符串。
• id: 类型为字符串。
• parent_id: 类型为字符串。
• llama_dialogue: 类型为字符串。
• llama_dialogue_tokens: 类型为整数序列。
• num_turn: 类型为整数。
• llama_prompt_turn_0: 类型为字符串。
• llama_prompt_token_turn_0: 类型为整数序列。
• llama_response_turn_0: 类型为字符串。
• llama_response_token_turn_0: 类型为整数序列。
• llama_prompt_turn_1: 类型为字符串。
• llama_prompt_token_turn_1: 类型为整数序列。
• llama_response_turn_1: 类型为字符串。
• llama_response_token_turn_1: 类型为整数序列。
• llama_prompt_turn_2: 类型为字符串。
• llama_prompt_token_turn_2: 类型为整数序列。
• llama_response_turn_2: 类型为字符串。
• llama_response_token_turn_2: 类型为整数序列。
• llama_prompt_turn_3: 类型为字符串。
• llama_prompt_token_turn_3: 类型为整数序列。
• llama_response_turn_3: 类型为字符串。
• llama_response_token_turn_3: 类型为整数序列。
• llama_prompt_turn_4: 类型为字符串。
• llama_prompt_token_turn_4: 类型为整数序列。
• llama_response_turn_4: 类型为字符串。
• llama_response_token_turn_4: 类型为整数序列。

数据集划分

• train: 包含105520个样本，大小为14987213227.171476字节。
• test: 包含500个样本，大小为71015983.82852292字节。

数据集大小

• 下载大小: 566218243字节。
• 总大小: 15058229211.0字节。

配置信息

• config_name: default
  • data_files:
    • train: 路径为data/train-*。
    • test: 路径为data/test-*。