laurentiubp/catalan-orca-filtered

该数据集包含多个特征，主要涉及对话消息及其评分。每个消息包含内容和角色信息，评分部分涵盖了多个维度，如连贯性、复杂性、正确性、帮助性、指令遵循、安全性、冗长性和冗长系数。此外，数据集还提供了综合评分和唯一标识符。数据集分为一个训练集，包含60,000个样本。

The dataset contains multiple features, primarily focusing on dialogue messages and their ratings. Each message includes content and role information, and the rating section covers multiple dimensions such as coherence, complexity, correctness, helpfulness, instruction-following, safety, verbosity, and verbosity coefficient. Additionally, the dataset provides an aggregate score and a unique identifier. The dataset is divided into a training set containing 60,000 samples.

原始信息汇总

数据集概述

数据集信息

特征

• messages: 包含以下子特征
  • content: 数据类型为 string
  • role: 数据类型为 string
• source: 数据类型为 string
• scores: 包含以下子特征
  • coherence: 数据类型为 float64
  • complexity: 数据类型为 float64
  • correctness: 数据类型为 float64
  • helpfulness: 数据类型为 float64
  • instruction-following: 数据类型为 float64
  • safety: 数据类型为 float64
  • verbosity: 数据类型为 float64
  • verbosity-coeff: 数据类型为 float64
• agg_score: 数据类型为 float64
• uuid: 数据类型为 string

数据分割

• train: 包含 60000 个样本，占用 103612619 字节

数据集大小

• 下载大小: 54308030 字节
• 数据集大小: 103612619 字节

配置

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