elichen3051/alpaca52k-alignment-handbook

---
dataset_info:
features:
- name: instruction
dtype: string
- name: input
dtype: string
- name: output
dtype: string
- name: text
dtype: string
- name: prompt
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train_sft
num_bytes: 67156232
num_examples: 50000
- name: test_sft
num_bytes: 2649906
num_examples: 2002
download_size: 38017253
dataset_size: 69806138
configs:
- config_name: default
data_files:
- split: train_sft
path: data/train_sft-*
- split: test_sft
path: data/test_sft-*
---

原始信息汇总

数据集概述

数据集特征

• instruction: 数据类型为字符串。
• input: 数据类型为字符串。
• output: 数据类型为字符串。
• text: 数据类型为字符串。
• prompt: 数据类型为字符串。
• messages: 包含以下子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。

数据集分割

• train_sft: 包含50000个样本，占用67156232字节。
• test_sft: 包含2002个样本，占用2649906字节。

数据集大小

• 下载大小: 38017253字节。
• 数据集大小: 69806138字节。

配置信息

• default: 包含以下数据文件：
  • train_sft: 路径为data/train_sft-*。
  • test_sft: 路径为data/test_sft-*。