llama-duo/synth_summarize_dataset_dedup

---
dataset_info:
features:
- name: prompt
dtype: string
- name: prompt_id
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: category
dtype: string
- name: generator
dtype: string
- name: seed_prompt
dtype: string
splits:
- name: test
num_bytes: 89079
num_examples: 25
- name: train_sft_gpt4o
num_bytes: 1134293655
num_examples: 288440
- name: train_sft_gemini1_5flash
num_bytes: 1132074791
num_examples: 291145
- name: train_sft_claude3sonnet
num_bytes: 1299877473
num_examples: 300639
download_size: 573263360
dataset_size: 3566334998
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
- split: train_sft_gpt4o
path: data/train_sft_gpt4o-*
- split: train_sft_gemini1_5flash
path: data/train_sft_gemini1_5flash-*
- split: train_sft_claude3sonnet
path: data/train_sft_claude3sonnet-*
---

原始信息汇总

数据集概述

数据集特征

• prompt: 数据类型为字符串。
• prompt_id: 数据类型为字符串。
• messages: 列表类型，包含以下子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• category: 数据类型为字符串。
• generator: 数据类型为字符串。
• seed_prompt: 数据类型为字符串。

数据集分割

• test: 包含25个样本，数据大小为89079字节。
• train_sft_gpt4o: 包含288440个样本，数据大小为1134293655字节。
• train_sft_gemini1_5flash: 包含291145个样本，数据大小为1132074791字节。
• train_sft_claude3sonnet: 包含300639个样本，数据大小为1299877473字节。

数据集大小

• 下载大小: 573263360字节。
• 数据集总大小: 3566334998字节。

配置文件

• config_name: default
• data_files:
  • test: 路径为data/test-*。
  • train_sft_gpt4o: 路径为data/train_sft_gpt4o-*。
  • train_sft_gemini1_5flash: 路径为data/train_sft_gemini1_5flash-*。
  • train_sft_claude3sonnet: 路径为data/train_sft_claude3sonnet-*。