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-*