heegyu/hh-rlhf-vicuna-format

该数据集来源于Antrophic/hh-rlhf，并转换为Vicuna格式。数据集包含训练集和测试集，分别有160800和8552个样本。数据集的特征包括chosen、rejected、source、context和instruction。chosen和rejected字段包含from和value子字段，source字段有四个可能的值：harmless-base、helpful-base、helpful-online、helpful-rejection-sampled。context字段是一个列表，包含from和value子字段，instruction字段也包含from和value子字段。在chosen、rejected和context字段中，from键的值要么是human，要么是gpt。

原始信息汇总

数据集概述

数据配置

• 默认配置：
  • 训练集：路径为 data/train-*
  • 测试集：路径为 data/test-*

数据特征

• 特征列表：
  • chosen：
    • from：数据类型为 string
    • value：数据类型为 string
  • rejected：
    • from：数据类型为 string
    • value：数据类型为 string
  • source：数据类型为 string
  • context：列表类型
    • from：数据类型为 string
    • value：数据类型为 string
  • instruction：
    • from：数据类型为 string
    • value：数据类型为 string

数据分割

• 训练集：
  • 字节数：210,193,081
  • 样本数：160,800
• 测试集：
  • 字节数：11,248,194
  • 样本数：8,552

数据大小

• 下载大小：128,509,060 字节
• 数据集大小：221,441,275 字节