prompt_is_all_you_need_whl

该数据集包含多种来源的指令数据，包括纯英文、纯印地语以及混合语言的数据。数据集中的特征包括消息内容、角色和来源。训练集包含了大约355万个样本，整个数据集大小约为12.9TB。数据来源于不同的项目，例如BAAI、BhabhaAI、smol-magpie-ultra-short等，每个来源都有不同的样本数量和特点。