vwxyzjn/ultrafeedback_binarized_1710204240

--- dataset_info: features: - name: prompt dtype: string - name: prompt_id dtype: string - name: chosen list: - name: content dtype: string - name: role dtype: string - name: rejected list: - name: content dtype: string - name: role dtype: string - name: messages list: - name: content dtype: string - name: role dtype: string - name: score_chosen dtype: float64 - name: score_rejected dtype: float64 - name: query list: - name: content dtype: string - name: role dtype: string - name: query_token sequence: int64 - name: query_token_len dtype: int64 - name: query_chosen_token sequence: int64 - name: query_chosen_token_len dtype: int64 - name: chosen_token sequence: int64 - name: chosen_token_len dtype: int64 - name: query_rejected_token sequence: int64 - name: query_rejected_token_len dtype: int64 - name: rejected_token sequence: int64 - name: rejected_token_len dtype: int64 splits: - name: train_prefs num_bytes: 975839605.6968021 num_examples: 24122 - name: test_prefs num_bytes: 31713753.975 num_examples: 786 download_size: 113334298 dataset_size: 1007553359.6718022 configs: - config_name: default data_files: - split: train_prefs path: data/train_prefs-* - split: test_prefs path: data/test_prefs-* ---

原始信息汇总

数据集概述

数据集特征

• prompt: 数据类型为字符串。
• prompt_id: 数据类型为字符串。
• chosen: 包含两个子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• rejected: 包含两个子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• messages: 包含两个子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• score_chosen: 数据类型为浮点数。
• score_rejected: 数据类型为浮点数。
• query: 包含两个子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• query_token: 数据类型为整数序列。
• query_token_len: 数据类型为整数。
• query_chosen_token: 数据类型为整数序列。
• query_chosen_token_len: 数据类型为整数。
• chosen_token: 数据类型为整数序列。
• chosen_token_len: 数据类型为整数。
• query_rejected_token: 数据类型为整数序列。
• query_rejected_token_len: 数据类型为整数。
• rejected_token: 数据类型为整数序列。
• rejected_token_len: 数据类型为整数。

数据集分割

• train_prefs: 包含24122个示例，总大小为975839605.6968021字节。
• test_prefs: 包含786个示例，总大小为31713753.975字节。

数据集大小

• 下载大小: 113334298字节。
• 数据集总大小: 1007553359.6718022字节。

配置文件

• config_name: default
• data_files:
  • train_prefs: 路径为data/train_prefs-*。
  • test_prefs: 路径为data/test_prefs-*。