tasksource/tasksource-instruct-v0

tasksource-instruct-v0数据集是从485个tasksource数据集中重新构建的多任务指令调优数据。数据集大小被限制为每个任务最多30k个示例，以促进任务多样性。数据集包含训练、测试和验证三个分割，分别包含5314383、150287和142950个示例。数据集的特征包括inputs、targets和task，均为字符串类型。与flan-v2相比，TSI更侧重于HuggingFace，并且基于tasksource，一个精选的HF数据集集合。TSI的答案主要是对多项选择题的简短回答，但针对广泛的问题。TSI是推理密集型的，而一些flan任务不一定特定。

原始信息汇总

数据集概述

基本信息

• 数据集名称: tasksource-instruct
• 数据集大小: 2930601964.0 字节
• 下载大小: 1589553623 字节
• 语言: 英语
• 许可证: Apache-2.0

数据集特征

• 输入 (inputs): 字符串类型
• 目标 (targets): 字符串类型
• 任务 (task): 字符串类型

数据集划分

• 训练集: 5079403 个示例，2795630989.0 字节
• 测试集: 141711 个示例，68687726.0 字节
• 验证集: 134783 个示例，66283249.0 字节

任务类别

• 文本到文本生成 (text2text-generation)
• 文本生成 (text-generation)
• 文本分类 (text-classification)
• 令牌分类 (token-classification)
• 零样本分类 (zero-shot-classification)

数据集用途

• 用于多任务指令微调，从485个tasksource数据集中重新构建，每个任务上限为30000个示例，以促进任务多样性。

数据集配置

• 默认配置:
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*
  • 验证集路径: data/validation-*