appvoid/noisy-textbook-70k

该数据集是一个用于语言模型的嘈杂、无提示的教科书质量来源。该数据集的目的是通过输入中的不完美性来迫使语言模型理解人类意图，同时从教科书和输出文本中提供高质量的信号。该数据集基于70,000个随机打乱和扭曲的样本，这些样本来源于`tiny-orca-textbooks`。确保从text列进行训练，否则将在原始数据上进行训练。

原始信息汇总

数据集概述

数据特征

• id: 数据类型为 large_string
• prompt: 数据类型为 large_string
• textbook: 数据类型为 large_string
• question: 数据类型为 large_string
• response: 数据类型为 large_string
• text: 数据类型为 string

数据分割

• train: 包含 70000 个样本，数据大小为 1075465821 字节

数据集大小

• 下载大小: 481516931 字节
• 数据集大小: 1075465821 字节

配置

• default: 包含训练数据文件，路径为 data/train-*

数据集描述

• 该数据集是一个噪声大、无提示的教科书质量来源，用于语言模型。目的是通过输入的不完美来迫使语言模型理解人类意图，同时从教科书和输出文本中提供高质量信号。基于 tiny-orca-textbooks 的 70,000 个随机打乱和扭曲的样本。确保从 text 列进行训练，否则将训练原始数据。