nguyenthanhdo/caphesuada-150k

该数据集名为caphesuada-150k，由多个子数据集组合而成，包括ultrachat、squad_paraphrases、dolphin_cqa_long、ultra-aem、webglm、orca-unanswerable和wizard_nocode等。这些子数据集经过特定的格式化处理（zephyr_format）后，最终合并成一个包含15万条数据的数据集。数据集的构建目的是为了改进现有的问答数据集，特别是针对多源问答（MQA）和不可回答问题的处理。

原始信息汇总

数据集概述

数据集信息

• 特征:

  • messages:
    • content: 字符串类型
    • role: 字符串类型
  • source: 字符串类型
  • from: 字符串类型

• 拆分:

  • train:
    • 字节数: 586752589.0623015
    • 样本数: 150000

• 下载大小: 254473617

• 数据集大小: 586752589.0623015

配置

• 配置名称: default
  • 数据文件:
    • split: train
    • path: data/train-*