AI4Chem/ChemPref-DPO-for-Chemistry-data-cn

---
dataset_info:
features:
- name: instruction
dtype: string
- name: output
sequence: string
- name: input
dtype: string
- name: history
sequence: 'null'
splits:
- name: train
num_bytes: 25648774
num_examples: 10704
download_size: 13025246
dataset_size: 25648774
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
task_categories:
- question-answering
- text-generation
language:
- cn
---

## Citation

```
@misc{zhang2024chemllm,
title={ChemLLM: A Chemical Large Language Model},
author={Di Zhang and Wei Liu and Qian Tan and Jingdan Chen and Hang Yan and Yuliang Yan and Jiatong Li and Weiran Huang and Xiangyu Yue and Dongzhan Zhou and Shufei Zhang and Mao Su and Hansen Zhong and Yuqiang Li and Wanli Ouyang},
year={2024},
eprint={2402.06852},
archivePrefix={arXiv},
primaryClass={cs.AI}
}
```

## 数据集信息
特征列表：
- 字段名：指令（instruction），数据类型：字符串
- 字段名：输出（output），数据类型：字符串序列
- 字段名：输入（input），数据类型：字符串
- 字段名：历史对话（history），数据类型：空值序列
数据划分：
- 划分名称：训练集（train），字节大小：25648774，样本数量：10704
下载大小：13025246
数据集总大小：25648774
配置项：
- 配置名称：默认（default），数据文件：
- 训练集划分对应路径：`data/train-*`
任务类别：
- 问答（question-answering）
- 文本生成（text-generation）
语言：
- 中文（cn）

## 引用文献

@misc{zhang2024chemllm,
title={ChemLLM: 一款化学领域大语言模型},
author={张迪、刘薇、谭茜、陈静丹、闫航、闫宇亮、李佳桐、黄伟然、岳翔宇、周东展、张书飞、苏茂、钟瀚森、李育强、欧阳万里},
year={2024},
eprint={2402.06852},
archivePrefix={arXiv},
primaryClass={cs.AI}
}

原始信息汇总

数据集信息

特征

• instruction: 数据类型为字符串。
• output: 数据类型为字符串序列。
• input: 数据类型为字符串。
• history: 数据类型为空。

数据分割

• train: 包含25,648,774字节，10,704个样本。

数据大小

• 下载大小: 13,025,246字节。
• 数据集大小: 25,648,774字节。

配置

• default: 包含训练数据文件，路径为data/train-*。

任务类别

• 问答
• 文本生成

语言

• 中文

搜集汇总

背景与挑战

背景概述

AI4Chem/ChemPref-DPO-for-Chemistry-data-cn是一个化学领域的中文大型语言模型数据集，专注于问答和文本生成任务，包含10.7k行数据，适用于化学相关研究和应用。