xzuyn/tulu-uncensored-alpaca

该数据集包含348,020个条目，来源于`open-instruct-uncensored.jsonl`文件，并使用了多个子集，包括Flan V2、CoT、Dolly、OASST1、GPT4-Alpaca、Code-Alpaca和ShareGPT。数据集已从jsonl格式转换为json格式，以便于加载到类似LLaMa-LoRA-Tuner的工具中。具体子集的条目数量如下：code_alpaca: 19991, oasst1: 49433, flan_v2: 97519, sharegpt: 46733, dolly: 14624, cot: 73946, gpt4_alpaca: 45774。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 标签: allenai, tulu, ehartford, alpaca
• 大小: 100K<n<1M

数据来源

• 原始数据集: open-instruct-uncensored.jsonl
• 数据子集:
  1. Flan V2
  2. CoT
  3. Dolly
  4. OASST1
  5. GPT4-Alpaca
  6. Code-Alpaca
  7. ShareGPT

数据统计

• 总条目数: 348,020
• 各子集条目数:
  • code_alpaca: 19,991
  • oasst1: 49,433
  • flan_v2: 97,519
  • sharegpt: 46,733
  • dolly: 14,624
  • cot: 73,946
  • gpt4_alpaca: 45,774

数据处理

• 格式转换: 从jsonl转换为json，适用于LLaMa-LoRA-Tuner等工具。