HuggingFaceTB/cosmopedia-100k

这是Cosmopedia数据集的10万条数据子集。一个由Mixtral-8x7B-Instruct-v0.1生成的合成数据集，包含教科书、博客文章、故事、帖子和WikiHow文章。

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（string）。
• text_token_length: 数据类型为整数（int64）。
• text: 数据类型为字符串（string）。
• seed_data: 数据类型为字符串（string）。
• format: 数据类型为字符串（string）。
• audience: 数据类型为字符串（string）。

数据集分割

• train: 包含100,000个样本，数据大小为534,014,692.0830894字节。

数据集大小

• 下载大小: 306,627,644字节。
• 数据集总大小: 534,014,692.0830894字节。

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*

许可证

• 许可证类型: apache-2.0

语言

• 主要语言: 英语（en）

标签

• 标签: synthetic