arcee-ai/cleaned-distilabel-capybara-dpo-7k-binarized

该数据集包含训练数据，主要用于比较和选择系统输出。每个数据项包括唯一标识符（id）、来源（source）、系统（system）、被选中的输出（chosen）和被拒绝的输出（rejected）。被选中的输出和被拒绝的输出各自包含内容（content）和角色（role）两个字段。数据集总共有6571个训练样本，总大小为72217538字节。

This dataset contains training data primarily used for comparing and selecting system outputs. Each data item includes a unique identifier (id), source (source), system (system), chosen output (chosen), and rejected output (rejected). Both chosen and rejected outputs contain fields for content (content) and role (role). The dataset consists of 6571 training examples with a total size of 72217538 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• id: 字符串类型
• source: 字符串类型
• system: 字符串类型
• chosen: 列表类型
  • content: 字符串类型
  • role: 字符串类型
• rejected: 列表类型
  • content: 字符串类型
  • role: 字符串类型

数据分割

• train:
  • 字节数: 72217538
  • 样本数: 6571

数据集大小

• 下载大小: 37077895 字节
• 数据集大小: 72217538 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*