stallone/sql-create-context-instruction

该数据集是bugdaryan/sql-create-context-instruction数据集的重新格式化版本，包含三种配置：completion、conversation和source。每种配置都有其特定的特征和训练集的分割信息。所有配置中的同一文档共享一个v4 UUID `doc_id`。

This dataset is a reformatted version of bugdaryan/sql-create-context-instruction, containing three configurations: completion, conversation, and source. Each configuration has different features and data file paths. The completion configuration includes features such as doc_id, input, and output; the conversation configuration includes doc_id and messages, where messages is a list containing content and role; the source configuration includes text and doc_id features. Each configuration has a training set, with the number of samples and bytes provided. Documents in the dataset share the same doc_id.

原始信息汇总

数据集概述

数据集配置

配置名称：completion

• 特征：
  • doc_id：字符串类型
  • input：字符串类型
  • output：字符串类型
• 分割：
  • train：
    • 字节数：41,393,734
    • 样本数：78,577
• 下载大小：13,093,496 字节
• 数据集大小：41,393,734 字节

配置名称：conversation

• 特征：
  • doc_id：字符串类型
  • messages：列表类型
    • content：字符串类型
    • role：字符串类型
• 分割：
  • train：
    • 字节数：43,358,159
    • 样本数：78,577
• 下载大小：11,191,006 字节
• 数据集大小：43,358,159 字节

配置名称：source

• 特征：
  • text：字符串类型
  • doc_id：字符串类型
• 分割：
  • train：
    • 字节数：42,337,673
    • 样本数：78,577
• 下载大小：11,083,456 字节
• 数据集大小：42,337,673 字节

数据文件路径

• completion：
  • train：completion/train-*
• conversation：
  • train：conversation/train-*
• source：
  • train：source/train-*

其他信息

• 每个配置中的相同文档共享一个v4 UUID doc_id。