laurentiubp/orca-scored

该数据集包含多个特征，主要涉及对话消息（messages）、数据来源（source）、多个评分维度（scores）、综合评分（agg_score）和唯一标识符（uuid）。其中，messages字段包含消息内容（content）、角色（role）和唯一标识符（uuid）。scores字段包含八个评分维度：连贯性（coherence）、复杂性（complexity）、正确性（correctness）、帮助性（helpfulness）、指令遵循（instruction-following）、安全性（safety）、冗长性（verbosity）和冗长系数（verbosity-coeff）。数据集包含一个训练集，共有517,982个样本，总大小为1,037,125,073字节。

The dataset contains multiple features, including messages, source, scores, agg_score, and uuid. The messages field is a list containing content, role, and uuid. The scores field is a struct containing eight dimensions: coherence, complexity, correctness, helpfulness, instruction-following, safety, verbosity, and verbosity-coeff. The dataset includes a training set with 517,982 examples and a total size of 1,037,125,073 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• messages: 包含以下子特征的列表
  • content: 数据类型为字符串
  • role: 数据类型为字符串
  • uuid: 数据类型为字符串
• source: 数据类型为字符串
• scores: 包含以下子特征的结构
  • coherence: 数据类型为浮点数 (float64)
  • complexity: 数据类型为浮点数 (float64)
  • correctness: 数据类型为浮点数 (float64)
  • helpfulness: 数据类型为浮点数 (float64)
  • instruction-following: 数据类型为浮点数 (float64)
  • safety: 数据类型为浮点数 (float64)
  • verbosity: 数据类型为浮点数 (float64)
  • verbosity-coeff: 数据类型为浮点数 (float64)
• agg_score: 数据类型为浮点数 (float64)
• uuid: 数据类型为字符串

数据分割

• train: 包含517,982个样本，占用1,037,125,073.0字节

数据集大小

• 下载大小: 559,911,123字节
• 数据集大小: 1,037,125,073.0字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*