ZhangShenao/gc_binarized_mode_ultrafeedback

该数据集包含多个特征，如prompt、prompt_id、chosen、rejected、messages、score_chosen和score_rejected。其中，chosen、rejected和messages是列表类型，包含content和role两个子特征。数据集分为train_prefs和test_prefs两个部分，分别包含107496和2000个样本。此外，还提供了数据集的总下载大小和总大小。

The dataset includes multiple features such as prompt, prompt_id, chosen, rejected, messages, score_chosen, and score_rejected. Each feature has a specific data type, including string and float64. The dataset is divided into a training set (train_prefs) with 107496 samples and a test set (test_prefs) with 2000 samples. Additionally, the download size and actual size of the dataset are provided.

原始信息汇总

数据集概述

数据集特征

• prompt: 类型为字符串。
• prompt_id: 类型为字符串。
• chosen: 包含两个子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• rejected: 包含两个子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• messages: 包含两个子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• score_chosen: 类型为浮点数。
• score_rejected: 类型为浮点数。

数据集分割

• train_prefs:
  • 字节数: 725122924
  • 样本数: 107496
• test_prefs:
  • 字节数: 13161585
  • 样本数: 2000

数据集大小

• 下载大小: 402117397 字节
• 数据集总大小: 738284509 字节

配置

• default:
  • train_prefs: 路径为 data/train_prefs-*
  • test_prefs: 路径为 data/test_prefs-*