distilabel-internal-testing/fine-preferences-test-9

该数据集是通过distilabel工具生成的，包含一个`pipeline.yaml`文件，可以用于复现生成该数据集的流程。数据集的结构包括多个特征，如`context`、`id`、`dump`、`url`、`file_path`、`language`、`language_score`、`token_count`、`score`、`int_score`、`conversation`、`distilabel_metadata`和`model_name`。数据集仅包含一个配置`default`，并且可以通过Hugging Face的`datasets`库加载。

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称: fine-preferences-test-9
• 数据集大小: 618552 字节
• 下载大小: 372273 字节
• 样本数量: 100 个
• 标签:
  • synthetic
  • distilabel
  • rlaif

数据集结构

特征字段

• context: 文本类型，存储上下文信息。
• id: 文本类型，存储唯一标识符。
• dump: 文本类型，存储数据转储信息。
• url: 文本类型，存储数据来源的URL。
• file_path: 文本类型，存储文件路径。
• language: 文本类型，存储语言标识。
• language_score: 浮点数类型，存储语言得分。
• token_count: 整数类型，存储令牌数量。
• score: 浮点数类型，存储得分。
• int_score: 整数类型，存储整数得分。
• conversation: 列表类型，包含对话内容和角色。
  • content: 文本类型，存储对话内容。
  • role: 文本类型，存储对话角色。
• distilabel_metadata: 结构类型，存储元数据。
  • raw_output_generate_conv_with_context_0: 文本类型，存储原始输出。
• model_name: 文本类型，存储模型名称。

数据分割

• train: 训练集，包含 100 个样本，总大小为 618552 字节。

数据集加载

默认配置

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

加载方式

python from datasets import load_dataset

ds = load_dataset("distilabel-internal-testing/fine-preferences-test-9")