stallone/MathInstruct

该数据集是TIGER-Lab/MathInstruct的重新格式化版本，包含三个不同的配置：completion、conversation和source。每个配置都有其特定的特征，如输入、输出、文档ID等，并且数据被分割为训练集。数据集已经过过滤，移除了不适合商业用途的数据。每个配置中的文档共享一个v4 UUID `doc_id`。

This dataset includes three configurations: completion, conversation, and source. The completion configuration contains input and output string features, along with a doc_id string feature. The conversation configuration includes a messages list feature, where each message contains content and role string features, along with a doc_id string feature. The source configuration contains source, output, and instruction string features, along with a doc_id string feature. Each configuration has a training split, with data size and number of examples provided. The dataset is a reformatted version of TIGER-Lab/MathInstruct and has been filtered for commercial use according to data licenses.

原始信息汇总

数据集概述

数据集配置

配置名称：completion

• 特征：
  • output: 类型为 string
  • input: 类型为 string
  • doc_id: 类型为 string
• 分割：
  • train:
    • 字节数: 124445028.0018089
    • 样本数: 169749
• 下载大小: 55855746
• 数据集大小: 124445028.0018089

配置名称：conversation

• 特征：
  • doc_id: 类型为 string
  • messages: 列表类型，包含以下字段：
    • content: 类型为 string
    • role: 类型为 string
• 分割：
  • train:
    • 字节数: 99832001
    • 样本数: 169749
• 下载大小: 55026616
• 数据集大小: 99832001

配置名称：source

• 特征：
  • source: 类型为 string
  • output: 类型为 string
  • instruction: 类型为 string
  • doc_id: 类型为 string
• 分割：
  • train:
    • 字节数: 199224432
    • 样本数: 262039
• 下载大小: 109095997
• 数据集大小: 199224432

数据文件路径

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