jtatman/orca_mini_uncensored_squad_format_train

该数据集主要用于数据提取和格式化，以及跨模型数据使用。数据集是未经过审查的，旨在创建更适合问答任务的数据集，特别是用于小模型的专门领域训练。数据集的结构包括训练和测试分割，数据格式与squadv2数据集相同。

原始信息汇总

数据集概述

数据集描述

该数据集是一个“squad 格式重构”的现有数据集，旨在创建更适合小模型进行特定领域训练的问答友好型数据集。

支持的任务和排行榜

• question-answering

语言

数据集主要包含英语（en）。

数据集结构

数据格式

数据集包含以下列：

• "id": 字符串类型
• "title": 字符串类型
• "context": 字符串类型
• "question": 字符串类型
• "answers": 结构体类型，包含以下字段：
  • "text": 字符串类型
  • "answer_start": 64位整数类型

数据分割

数据集分为训练集和测试集：

• 训练集：包含67300个样本，总大小为118261864.35315199字节
• 测试集：包含7478个样本，总大小为13140597.646848004字节

数据集大小

• 下载大小：65276229字节
• 数据集总大小：131402462.0字节