when2rl/distilabel-intel-orca-dpo-pairs_cleaned_reformatted

该数据集是argilla的distilabel-intel-orca-dpo-pairs的清理和重新格式化版本。清理过程包括移除所有没有评分信息的样本，重新格式化数据集以与ultrafeedback_binarized保持一致，翻转了`chosen`、`rejected`和`message`列中的“system”与“assistant”角色，并移除了`chosen`与`rejected`相同的行。数据集包含多个特征，如prompt、prompt_id、chosen、rejected、messages等，并且包含一个训练集，共有12815个样本。

原始信息汇总

数据集卡片 for distilabel-intel-orca-dpo-pairs_cleaned_reformatted

数据集详情

数据集描述

这是一个经过“清洗”和重新格式化的 argilla 的 distilabel-intel-orca-dpo-pairs 版本：

1. 移除了所有 rating 为 none 的样本。共有 42 个样本没有评级信息。
2. 重新格式化数据集，使其与 ultrafeedback_binarized 一致。
3. (新) 在 chosen、rejected 和 message 列中将 "system" 与 "assistant" 角色互换。原始数据集使用 "systems" 表示聊天机器人响应。
4. (新) 移除了所有 chosen 与 rejected 相同的行。这从训练集中移除了 2 行。

数据集结构

特征

• prompt: 字符串
• prompt_id: 字符串
• chosen: 列表
  • content: 字符串
  • role: 字符串
• rejected: 列表
  • content: 字符串
  • role: 字符串
• messages: 列表
  • content: 字符串
  • role: 字符串
• score_chosen: 浮点数 (float64)
• score_rejected: 浮点数 (float64)
• other_info: 结构体
  • in_gsm8k_train: 布尔值
  • labeling_model: 字符串
  • labeling_prompt: 列表
    • content: 字符串
    • role: 字符串
  • original_chosen: 字符串
  • original_rejected: 字符串
  • score_is_flipped: 布尔值
  • system: 字符串

分割

• train:
  • num_bytes: 145232429.99453852
  • num_examples: 12815

数据大小

• download_size: 74069814
• dataset_size: 145232429.99453852

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*