swesmith-unified-100000

该数据集包含100,000个训练样本，总大小约为4.8GB。每个数据实例包含以下字段：1) conversations字段（由content和role组成的对话列表），2) instance_id（实例标识符），3) source（数据来源标识）。数据以train-*文件形式存储，采用默认配置。数据集适用于对话系统训练等自然语言处理任务，但未提供具体领域或采集背景的说明。

原始信息汇总

数据集概述

基本信息

• 数据集名称: swesmith-unified-100000
• 发布者: laion
• 数据集地址: https://huggingface.co/datasets/laion/swesmith-unified-100000
• 数据量: 100,000 个示例
• 总大小: 约 4.81 GB
• 下载大小: 约 1.35 GB

数据结构

特征字段

1. conversations
   • 类型：列表
   • 结构：
     • content: 字符串类型，表示对话内容。
     • role: 字符串类型，表示对话角色。
2. instance_id
   • 类型：字符串，表示实例的唯一标识符。
3. source
   • 类型：字符串，表示数据来源。

数据划分

• 训练集 (train)
  • 示例数量：100,000
  • 数据大小：约 4.81 GB

配置信息

• 默认配置 (default)
  • 数据文件路径：data/train-*（对应训练集）