laurentiubp/catalan-orca-math

该数据集包含多个特征，主要包括消息列表（每个消息包含内容和角色）、来源、评分（包括连贯性、复杂性、正确性、帮助性、指令遵循、安全性、冗长性和冗长系数）、总评分和唯一标识符。数据集分为一个训练集，包含20,000个样本，总大小为27,331,261字节。

The dataset contains multiple features, including a list of messages (each with content and role), source, scores (including coherence, complexity, correctness, helpfulness, instruction-following, safety, verbosity, and verbosity-coeff), aggregate score, and unique identifier. The dataset is divided into one training set containing 20,000 samples, with a total size of 27,331,261 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• messages:
  • content: 字符串类型
  • role: 字符串类型
• source: 字符串类型
• scores:
  • coherence: 浮点数类型
  • complexity: 浮点数类型
  • correctness: 浮点数类型
  • helpfulness: 浮点数类型
  • instruction-following: 浮点数类型
  • safety: 浮点数类型
  • verbosity: 浮点数类型
  • verbosity-coeff: 浮点数类型
• agg_score: 浮点数类型
• uuid: 字符串类型

数据分割

• train:
  • num_bytes: 27331261
  • num_examples: 20000

数据集大小

• download_size: 12358254
• dataset_size: 27331261

配置

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