laurentiubp/ultrachat-filtered

该数据集包含多个特征，包括消息内容、角色、UUID、来源、评分（如连贯性、复杂性、正确性、帮助性、指令遵循、安全性、冗长性和冗长系数）以及聚合评分。数据集分为一个训练集，包含54602个样本，总大小为312392902字节。

The dataset includes multiple features such as message content, role, UUID, source, scores (including coherence, complexity, correctness, helpfulness, instruction-following, safety, verbosity, and verbosity coefficient), and an aggregate score. The dataset is divided into a training set containing 54,602 samples, with a total size of 312,392,902 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: 数据类型为字符串
  • role: 数据类型为字符串
  • uuid: 数据类型为字符串
• source: 数据类型为字符串
• scores: 包含以下子特征的结构
  • coherence: 数据类型为浮点数
  • complexity: 数据类型为浮点数
  • correctness: 数据类型为浮点数
  • helpfulness: 数据类型为浮点数
  • instruction-following: 数据类型为浮点数
  • safety: 数据类型为浮点数
  • verbosity: 数据类型为浮点数
  • verbosity-coeff: 数据类型为浮点数
• agg_score: 数据类型为浮点数
• uuid: 数据类型为字符串

数据集分割

• train:
  • 字节数: 312,392,902
  • 样本数: 54,602

数据集大小

• 下载大小: 169,486,859 字节
• 数据集大小: 312,392,902 字节

配置

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