Rohit228/govt_id_data

该数据集包含两个配置：keep_columns和push_to_argilla，每个配置都有不同的特征和示例。数据集主要用于生成美国B-1/B-2签证的样本文档，包含指令、生成内容、生成模型等信息。数据集是通过distilabel工具生成的，并且可以通过提供的pipeline.yaml文件进行复现。

原始信息汇总

数据集概述

基本信息

• 数据集名称: govt_id_data
• 大小分类: n<1K
• 标签: synthetic, distilabel, rlaif

配置信息

1. 配置名称: keep_columns

   • 特征:
     • instruction: 字符串类型
     • generations: 字符串序列
     • generation_models: 字符串序列
     • ratings: 空序列
     • rationales: 空序列
   • 分割:
     • train: 128个示例，401257字节
   • 下载大小: 172163字节
   • 数据集大小: 401257字节

2. 配置名称: push_to_argilla

   • 特征:
     • Index: int64类型
     • instruction: 字符串类型
     • Class: 字符串类型
     • Subclass: 字符串类型
     • Quantization: bool类型
     • generation_models: 字符串序列
     • generations: 字符串序列
     • model_name: 字符串类型
     • ratings: 空序列
     • rationales: 空序列
   • 分割:
     • train: 100个示例，341819字节
   • 下载大小: 150390字节
   • 数据集大小: 341819字节

数据文件

1. 配置名称: keep_columns

   • 分割: train
   • 路径: keep_columns/train-*

2. 配置名称: push_to_argilla

   • 分割: train
   • 路径: push_to_argilla/train-*

数据集结构

• 配置: push_to_argilla

  • 示例结构包括: Class, Index, Quantization, Subclass, generation_models, generations, instruction, model_name, ratings, rationales

• 配置: keep_columns

  • 示例结构包括: generation_models, generations, instruction, ratings, rationales

加载示例

• 配置: push_to_argilla python from datasets import load_dataset ds = load_dataset("Rohit228/govt_id_data", "push_to_argilla")

• 配置: keep_columns python from datasets import load_dataset ds = load_dataset("Rohit228/govt_id_data", "keep_columns")