croissantllm/CroissantLLM-2201-sft

CroissantChat SFT数据集是一个用于训练双语（法语-英语）语言模型的数据集。数据集包含对话、语言、分割、数据集和任务等特征。对话特征进一步细分为来源、Markdown格式的答案、文本和值。数据集的分割包括训练集，训练集包含294,220个示例，大小为1,184,454,542字节。该数据集用于支持CroissantLLM模型的训练，该模型是一个真正的双语（法语-英语）语言模型。

原始信息汇总

数据集概述

数据集信息

• 特征:

  • conversations:
    • from: 类型为字符串
    • markdown:
      • answer: 类型为字符串
      • index: 类型为整数64位
      • type: 类型为字符串
    • text: 类型为字符串
    • value: 类型为字符串
  • lang: 类型为字符串
  • split: 类型为字符串
  • dataset: 类型为字符串
  • task: 类型为字符串

• 拆分:

  • train:
    • 字节数: 1184454542
    • 样本数: 294220

• 下载大小: 566386739

• 数据集大小: 1184454542

配置

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