GitBag/multiturn-hh-turn-1-5

---
dataset_info:
features:
- name: chosen
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rejected
list:
- name: content
dtype: string
- name: role
dtype: string
- name: prompt
dtype: string
- name: llama_dialogue
dtype: string
- name: llama_dialogue_tokens
sequence: int64
- name: num_turn
dtype: int64
- name: llama_prompt_turn_0
dtype: string
- name: llama_prompt_token_turn_0
sequence: int64
- name: llama_response_turn_0
dtype: string
- name: llama_response_token_turn_0
sequence: int64
- name: llama_prompt_turn_1
dtype: string
- name: llama_prompt_token_turn_1
sequence: int64
- name: llama_response_turn_1
dtype: string
- name: llama_response_token_turn_1
sequence: int64
- name: llama_prompt_turn_2
dtype: string
- name: llama_prompt_token_turn_2
sequence: int64
- name: llama_response_turn_2
dtype: string
- name: llama_response_token_turn_2
sequence: int64
- name: llama_prompt_turn_3
dtype: string
- name: llama_prompt_token_turn_3
sequence: int64
- name: llama_response_turn_3
dtype: string
- name: llama_response_token_turn_3
sequence: int64
- name: llama_prompt_turn_4
dtype: string
- name: llama_prompt_token_turn_4
sequence: int64
- name: llama_response_turn_4
dtype: string
- name: llama_response_token_turn_4
sequence: int64
splits:
- name: train
num_bytes: 4592377847
num_examples: 154307
- name: test
num_bytes: 243523810
num_examples: 8182
download_size: 531591562
dataset_size: 4835901657
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

特征信息

• chosen
  • content: 字符串类型
  • role: 字符串类型
• rejected
  • content: 字符串类型
  • role: 字符串类型
• prompt: 字符串类型
• llama_dialogue: 字符串类型
• llama_dialogue_tokens: 整数序列类型
• num_turn: 整数类型
• llama_prompt_turn_0: 字符串类型
• llama_prompt_token_turn_0: 整数序列类型
• llama_response_turn_0: 字符串类型
• llama_response_token_turn_0: 整数序列类型
• llama_prompt_turn_1: 字符串类型
• llama_prompt_token_turn_1: 整数序列类型
• llama_response_turn_1: 字符串类型
• llama_response_token_turn_1: 整数序列类型
• llama_prompt_turn_2: 字符串类型
• llama_prompt_token_turn_2: 整数序列类型
• llama_response_turn_2: 字符串类型
• llama_response_token_turn_2: 整数序列类型
• llama_prompt_turn_3: 字符串类型
• llama_prompt_token_turn_3: 整数序列类型
• llama_response_turn_3: 字符串类型
• llama_response_token_turn_3: 整数序列类型
• llama_prompt_turn_4: 字符串类型
• llama_prompt_token_turn_4: 整数序列类型
• llama_response_turn_4: 字符串类型
• llama_response_token_turn_4: 整数序列类型

数据集划分

• train
  • 字节数: 4592377847
  • 样本数: 154307
• test
  • 字节数: 243523810
  • 样本数: 8182

数据集大小

• 下载大小: 531591562
• 数据集大小: 4835901657

配置信息

• config_name: default
  • data_files
    • train: data/train-*
    • test: data/test-*