stallone/goat

该数据集包含三个不同的配置：completion、conversation和source。每个配置都有不同的特征，如输入、输出、文档ID等。数据集主要用于训练目的，包含大量的训练样本。具体用途可能涉及文本生成、对话系统等NLP任务。

The dataset includes three different configurations: completion, conversation, and source. Each configuration has different features such as input, output, document ID, etc. The dataset is primarily used for training purposes and contains a large number of training samples. Potential applications may include text generation, dialogue systems, and other NLP tasks.

原始信息汇总

数据集概述

数据集配置

配置名称：completion

• 特征：
  • output：类型为字符串
  • input：类型为字符串
  • doc_id：类型为字符串
• 分割：
  • train：
    • 字节数：337,425,389
    • 样本数：1,746,300
• 下载大小：220,153,671 字节
• 数据集大小：337,425,389 字节
• 数据文件路径：
  • train：completion/train-*

配置名称：conversation

• 特征：
  • doc_id：类型为字符串
  • messages：列表类型，包含以下字段：
    • content：类型为字符串
    • role：类型为字符串
• 分割：
  • train：
    • 字节数：381,082,889
    • 样本数：1,746,300
• 下载大小：211,035,276 字节
• 数据集大小：381,082,889 字节
• 数据文件路径：
  • train：conversation/train-*

配置名称：source

• 特征：
  • instruction：类型为字符串
  • output：类型为字符串
  • answer：类型为字符串
  • input：类型为字符串
  • doc_id：类型为字符串
• 分割：
  • train：
    • 字节数：398,181,779
    • 样本数：1,746,300
• 下载大小：272,506,374 字节
• 数据集大小：398,181,779 字节
• 数据文件路径：
  • train：source/train-*