vwxyzjn/ultrachat_200k_filtered_1710165338

---
dataset_info:
features:
- name: prompt
dtype: string
- name: prompt_id
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: query
list:
- name: content
dtype: string
- name: role
dtype: string
- name: query_token
sequence: int64
- name: query_reference_response
list:
- name: content
dtype: string
- name: role
dtype: string
- name: query_reference_response_token
sequence: int64
- name: query_reference_response_token_len
dtype: int64
- name: query_token_len
dtype: int64
- name: reference_response
struct:
- name: content
dtype: string
- name: role
dtype: string
- name: reference_response_token
sequence: int64
- name: reference_response_token_len
dtype: int64
splits:
- name: train_sft
num_bytes: 2329511242.072162
num_examples: 80035
- name: test_sft
num_bytes: 261532088.877196
num_examples: 8992
download_size: 493338154
dataset_size: 2591043330.949358
configs:
- config_name: default
data_files:
- split: train_sft
path: data/train_sft-*
- split: test_sft
path: data/test_sft-*
---
# Args

```python
{'base_model': 'mistralai/Mistral-7B-v0.1',
'check_length_correctness': True,
'debug': False,
'hf_entity': 'vwxyzjn',
'params': TaskQueryHParams(length=None,
format_str='SUBREDDIT: r/{subreddit}\n'
'\n'
'TITLE: {title}\n'
'\n'
'POST: {post}\n'
'\n'
'TL;DR:',
truncate_field='post',
truncate_text='\n',
padding='pad_token',
pad_token=[32000],
pad_side='left',
max_query_length=1024,
max_sft_query_response_length=1280,
max_sft_response_length=256,
max_rm_query_response_length=1280,
max_rm_response_length=256),
'push_to_hub': True}
```

原始信息汇总

数据集概述

数据集特征

• prompt: 字符串类型
• prompt_id: 字符串类型
• messages: 列表类型，包含：
  • content: 字符串类型
  • role: 字符串类型
• query: 列表类型，包含：
  • content: 字符串类型
  • role: 字符串类型
• query_token: 整数序列类型
• query_reference_response: 列表类型，包含：
  • content: 字符串类型
  • role: 字符串类型
• query_reference_response_token: 整数序列类型
• query_reference_response_token_len: 整数类型
• query_token_len: 整数类型
• reference_response: 结构类型，包含：
  • content: 字符串类型
  • role: 字符串类型
• reference_response_token: 整数序列类型
• reference_response_token_len: 整数类型

数据集划分

• train_sft:
  • 字节数: 2329511242.072162
  • 示例数: 80035
• test_sft:
  • 字节数: 261532088.877196
  • 示例数: 8992

数据集大小

• 下载大小: 493338154
• 数据集总大小: 2591043330.949358

数据文件配置

• config_name: default
• data_files:
  • train_sft: 路径为 data/train_sft-*
  • test_sft: 路径为 data/test_sft-*