allenai-sera-unified-100000

该数据集包含100,000个训练样本，总大小约为21.5GB（下载压缩包6.1GB）。每个样本包含三个主要字段：1) 'conversations'字段为对话列表，其中每个对话包含'content'（文本内容，字符串类型）和'role'（角色标识，字符串类型）两个子字段；2) 'instance_id'字段（字符串类型）用于唯一标识实例；3) 'source'字段（字符串类型）标注数据来源。数据集仅提供训练集划分，未说明具体应用场景或收集背景。

原始信息汇总

数据集概述

基本信息

• 数据集名称: allenai-sera-unified-100000
• 发布者/组织: laion
• 数据集地址: https://huggingface.co/datasets/laion/allenai-sera-unified-100000

数据集结构与内容

• 数据格式: 包含三个主要特征字段
  • conversations: 列表类型，其中每个元素包含content（字符串类型）和role（字符串类型）两个字段。
  • instance_id: 字符串类型。
  • source: 字符串类型。
• 数据划分: 仅包含一个划分
  • 划分名称: train
  • 样本数量: 100,000 条
  • 数据集大小: 21,128,508,124.185364 字节（约21.13 GB）
  • 下载大小: 6,040,807,211 字节（约6.04 GB）

数据获取与配置

• 默认配置名称: default
• 数据文件路径: data/train-*