davanstrien/gens

该数据集是通过distilabel工具生成的，包含一个pipeline.yaml文件，用于复现生成数据集的流程。数据集的特征包括instruction（指令）、generation（生成内容）、generation_model（生成模型）、score（评分）、reason（评分理由）和scoring_model（评分模型）。数据集的结构为JSON格式，包含一个默认配置，可以通过Hugging Face的datasets库加载。

原始信息汇总

数据集概述

数据集信息

• 大小分类: 小于1K
• 特征:
  • instruction: 字符串类型
  • generation: 字符串类型
  • generation_model: 字符串类型
  • score: 整数类型（int64）
  • reason: 字符串类型
  • scoring_model: 字符串类型

数据集结构

• 分割:
  • train:
    • 字节数: 14129
    • 示例数: 10
• 下载大小: 18674
• 数据集大小: 14129

配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

标签

• synthetic
• distilabel
• rlaif

示例结构（默认配置）

json { "generation": "...", "generation_model": "meta-llama/Meta-Llama-3-70B-Instruct", "instruction": "...", "reason": "...", "score": 5, "scoring_model": "meta-llama/Meta-Llama-3-70B-Instruct" }

加载数据集

python from datasets import load_dataset

ds = load_dataset("davanstrien/gens")