cornfieldrm/datamix-v5.0

---
dataset_info:
features:
- name: dataset
dtype: string
- name: prompt_source
dtype: string
- name: response_model
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: helpsteer-helpfulness
dtype: float64
- name: helpsteer-correctness
dtype: float64
- name: helpsteer-coherence
dtype: float64
- name: helpsteer-complexity
dtype: float64
- name: helpsteer-verbosity
dtype: float64
- name: ultrafeedback-overall_score
dtype: float64
- name: ultrafeedback-instruction_following
dtype: float64
- name: ultrafeedback-truthfulness
dtype: float64
- name: ultrafeedback-honesty
dtype: float64
- name: ultrafeedback-helpfulness
dtype: float64
- name: argilla-overall_quality
dtype: float64
- name: code-complexity
dtype: float64
- name: code-style
dtype: float64
- name: code-explanation
dtype: float64
- name: code-instruction-following
dtype: float64
- name: code-readability
dtype: float64
splits:
- name: train
num_bytes: 843741557
num_examples: 339005
download_size: 270483885
dataset_size: 843741557
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• dataset: 数据集名称，数据类型为字符串。
• prompt_source: 提示来源，数据类型为字符串。
• response_model: 响应模型，数据类型为字符串。
• messages: 消息列表，包含以下字段：
  • content: 消息内容，数据类型为字符串。
  • role: 角色，数据类型为字符串。
• helpsteer-helpfulness: 帮助性评分，数据类型为浮点数（float64）。
• helpsteer-correctness: 正确性评分，数据类型为浮点数（float64）。
• helpsteer-coherence: 连贯性评分，数据类型为浮点数（float64）。
• helpsteer-complexity: 复杂性评分，数据类型为浮点数（float64）。
• helpsteer-verbosity: 冗长性评分，数据类型为浮点数（float64）。
• ultrafeedback-overall_score: 总体评分，数据类型为浮点数（float64）。
• ultrafeedback-instruction_following: 遵循指令评分，数据类型为浮点数（float64）。
• ultrafeedback-truthfulness: 真实性评分，数据类型为浮点数（float64）。
• ultrafeedback-honesty: 诚实性评分，数据类型为浮点数（float64）。
• ultrafeedback-helpfulness: 帮助性评分，数据类型为浮点数（float64）。
• argilla-overall_quality: 总体质量评分，数据类型为浮点数（float64）。
• code-complexity: 代码复杂性评分，数据类型为浮点数（float64）。
• code-style: 代码风格评分，数据类型为浮点数（float64）。
• code-explanation: 代码解释评分，数据类型为浮点数（float64）。
• code-instruction-following: 遵循代码指令评分，数据类型为浮点数（float64）。
• code-readability: 代码可读性评分，数据类型为浮点数（float64）。

数据集分割

• train: 训练集，包含339005个样本，占用843741557字节。

数据集大小

• 下载大小: 270483885字节。
• 数据集大小: 843741557字节。

配置

• default: 默认配置，包含训练集数据文件，路径为data/train-*。