ZhangShenao/newpgc_fine_ultrafeedback

该数据集包含多个特征，如prompt（提示）、prompt_id（提示ID）、chosen（选择的回答）、rejected（拒绝的回答）、messages（消息）等。每个特征都有其特定的数据类型，例如字符串或浮点数。数据集被分为train_prefs（训练偏好）和test_prefs（测试偏好）两个部分，分别包含不同的字节数和示例数。train_prefs部分包含713,305,388字节和95,106个示例，而test_prefs部分包含13,675,818字节和2,000个示例。整个数据集的下载大小为369,146,525字节，总大小为726,981,206字节。

This dataset contains multiple features such as prompt, prompt_id, chosen, rejected, messages, etc. Each feature has its specific data type, such as string or float. The dataset is divided into two parts: train_prefs and test_prefs, each containing different byte sizes and numbers of examples. The train_prefs part contains 713,305,388 bytes and 95,106 examples, while the test_prefs part contains 13,675,818 bytes and 2,000 examples. The entire dataset has a download size of 369,146,525 bytes and a total size of 726,981,206 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• prompt: 类型为字符串。
• prompt_id: 类型为字符串。
• chosen: 包含以下子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• rejected: 包含以下子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• messages: 包含以下子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• overall_score_chosen: 类型为浮点数。
• overall_score_rejected: 类型为浮点数。
• fine_grain_score_chosen: 类型为浮点数序列。
• fine_grain_score_rejected: 类型为浮点数序列。
• avg_fine_score_chosen: 类型为浮点数。
• avg_fine_score_rejected: 类型为浮点数。

数据分割

• train_prefs:
  • 字节数: 713305388
  • 样本数: 95106
• test_prefs:
  • 字节数: 13675818
  • 样本数: 2000

数据集大小

• 下载大小: 369146525 字节
• 数据集总大小: 726981206 字节

配置

• config_name: default
  • data_files:
    • train_prefs: 路径为 data/train_prefs-*
    • test_prefs: 路径为 data/test_prefs-*