GitBag/multiturn-512-UltraInteract_pair_diff_len_v2

该数据集包含多个特征字段，如任务、数据集、轨迹、选择、拒绝、ID、父ID、llama对话、llama对话标记、对话轮次、llama提示和响应等。数据集分为训练集和测试集，训练集包含104239个样本，测试集包含500个样本。数据集的下载大小为810706592字节，总大小为15296818818.0字节。

The dataset includes multiple feature fields such as task, dataset, trajectory, chosen, rejected, id, parent_id, llama_dialogue, llama_dialogue_tokens, num_turn, llama_prompt, and llama_response. The dataset is divided into a training set with 104239 examples and a test set with 500 examples. The download size of the dataset is 810706592 bytes, and the total size is 15296818818.0 bytes.

原始信息汇总

数据集概述

数据集特征

• task: 类型为字符串。
• dataset: 类型为字符串。
• trajectory: 包含以下子特征：
  • content: 类型为字符串。
  • role: 类型为字符串。
• chosen: 类型为字符串。
• rejected: 类型为字符串。
• id: 类型为字符串。
• parent_id: 类型为字符串。
• llama_dialogue: 类型为字符串。
• llama_dialogue_tokens: 类型为整数序列。
• num_turn: 类型为整数。
• llama_prompt_turn_0: 类型为字符串。
• llama_prompt_token_turn_0: 类型为整数序列。
• llama_response_turn_0: 类型为字符串。
• llama_response_token_turn_0: 类型为整数序列。
• llama_prompt_turn_1: 类型为字符串。
• llama_prompt_token_turn_1: 类型为整数序列。
• llama_response_turn_1: 类型为字符串。
• llama_response_token_turn_1: 类型为整数序列。
• llama_prompt_turn_2: 类型为字符串。
• llama_prompt_token_turn_2: 类型为整数序列。
• llama_response_turn_2: 类型为字符串。
• llama_response_token_turn_2: 类型为整数序列。
• llama_prompt_turn_3: 类型为字符串。
• llama_prompt_token_turn_3: 类型为整数序列。
• llama_response_turn_3: 类型为字符串。
• llama_response_token_turn_3: 类型为整数序列。
• llama_prompt_turn_4: 类型为字符串。
• llama_prompt_token_turn_4: 类型为整数序列。
• llama_response_turn_4: 类型为字符串。
• llama_response_token_turn_4: 类型为整数序列。

数据集分割

• train: 包含104239个样本，大小为15223795308.046688字节。
• test: 包含500个样本，大小为73023509.95331252字节。

数据集大小

• 下载大小: 810706592字节。
• 总大小: 15296818818.0字节。

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*。
    • test: 路径为data/test-*。