laurentiubp/orca-math-scored

该数据集包含多个特征，主要用于评估消息的质量。每个样本包含消息内容、角色、唯一标识符（uuid）、来源以及多个评分维度（如连贯性、复杂性、正确性、帮助性、指令遵循性、安全性和冗长性等）。数据集还包含一个综合评分（agg_score）。数据集分为一个训练集，包含200,035个样本，总大小为273,331,261字节。

This dataset contains multiple features, primarily used for evaluating the quality of messages. Each sample includes message content, role, unique identifier (uuid), source, and multiple scoring dimensions (such as coherence, complexity, correctness, helpfulness, instruction-following, safety, and verbosity). The dataset also includes an aggregate score (agg_score). The dataset is divided into a training set containing 200,035 samples, with a total size of 273,331,261 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• messages: 包含以下子特征的列表
  • content: 数据类型为 string
  • role: 数据类型为 string
  • uuid: 数据类型为 string
• source: 数据类型为 string
• scores: 包含以下子特征的结构
  • coherence: 数据类型为 float64
  • complexity: 数据类型为 float64
  • correctness: 数据类型为 float64
  • helpfulness: 数据类型为 float64
  • instruction-following: 数据类型为 float64
  • safety: 数据类型为 float64
  • verbosity: 数据类型为 float64
  • verbosity-coeff: 数据类型为 float64
• agg_score: 数据类型为 float64
• uuid: 数据类型为 string

数据分割

• train:
  • 字节数: 273331261.0
  • 样本数: 200035

数据集大小

• 下载大小: 128665582
• 数据集大小: 273331261.0

配置

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