vwxyzjn/ultrachat_200k_filtered_1708381525

---
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_token_len
dtype: 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: 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: test_sft
num_bytes: 21419543.582
num_examples: 541
- name: train_sft
num_bytes: 22566624.043
num_examples: 571
download_size: 11106700
dataset_size: 43986167.625
---
# Args

```python
{'base_model': 'mistralai/Mistral-7B-v0.1',
'check_length_correctness': True,
'debug': True,
'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=1000,
max_sft_query_response_length=2000,
max_sft_response_length=1000,
max_rm_query_response_length=2000,
max_rm_response_length=1000),
'push_to_hub': True}
```

原始信息汇总

数据集详情

特征

• prompt: 类型为字符串。
• prompt_id: 类型为字符串。
• messages: 列表类型，包含以下字段：
  • content: 类型为字符串。
  • role: 类型为字符串。
• query: 列表类型，包含以下字段：
  • content: 类型为字符串。
  • role: 类型为字符串。
• query_token: 序列类型，元素为int64。
• query_token_len: 类型为int64。
• query_reference_response: 列表类型，包含以下字段：
  • content: 类型为字符串。
  • role: 类型为字符串。
• query_reference_response_token: 序列类型，元素为int64。
• query_reference_response_token_len: 类型为int64。
• reference_response: 结构类型，包含以下字段：
  • content: 类型为字符串。
  • role: 类型为字符串。
• reference_response_token: 序列类型，元素为int64。
• reference_response_token_len: 类型为int64。

数据集划分

• test_sft: 字节数为21419543.582，样本数为541。
• train_sft: 字节数为22566624.043，样本数为571。

数据集大小

• 下载大小: 11106700字节。
• 数据集大小: 43986167.625字节。