stallone/HelpSteer

该数据集是[nvidia/HelpSteer](https://huggingface.co/datasets/nvidia/HelpSteer)的重新格式化版本，包含三个配置：completion、conversation和source。每个配置都有不同的特征，如输入、输出、消息内容、角色等，并且每个配置都包含训练和验证分割。数据集中的每个文档在三个配置中共享一个v4 UUID `doc_id`。

A reformatted version of [nvidia/HelpSteer](https://huggingface.co/datasets/nvidia/HelpSteer) into both a multiturn config `conversation` and completion config `completion`. A v4 UUID `doc_id` is shared across the same document in each config.

原始信息汇总

数据集概述

数据集配置

配置名称：completion

• 特征
  • input: 类型为 string
  • output: 类型为 string
  • doc_id: 类型为 string
• 分割
  • train: 字节数为 107429111，样本数为 35331
  • validation: 字节数为 5564716，样本数为 1789
• 下载大小: 27278339 字节
• 数据集大小: 112993827 字节

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: 字节数为 108312386，样本数为 35331
  • validation: 字节数为 5609441，样本数为 1789
• 下载大小: 25226078 字节
• 数据集大小: 113921827 字节

配置名称：source

• 特征
  • prompt: 类型为 string
  • response: 类型为 string
  • helpfulness: 类型为 int32
  • correctness: 类型为 int32
  • coherence: 类型为 int32
  • complexity: 类型为 int32
  • verbosity: 类型为 int32
  • doc_id: 类型为 string
• 分割
  • train: 字节数为 108135731，样本数为 35331
  • validation: 字节数为 5600496，样本数为 1789
• 下载大小: 27403708 字节
• 数据集大小: 113736227 字节

数据文件路径

配置名称：completion

• train: completion/train-*
• validation: completion/validation-*

配置名称：conversation

• train: conversation/train-*
• validation: conversation/validation-*

配置名称：source

• train: source/train-*
• validation: source/validation-*