smangrul/ultrachat-10k-chatml

---
dataset_info:
features:
- name: prompt
dtype: string
- name: prompt_id
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 67153647
num_examples: 10000
- name: test
num_bytes: 13444333
num_examples: 2000
download_size: 42296152
dataset_size: 80597980
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征项：
- 字段名：prompt（提示词），数据类型：字符串
- 字段名：prompt_id，数据类型：字符串
- 字段名：messages，数据类型为列表，列表元素为包含以下两个子字段的对象：
- 子字段名：content，数据类型：字符串
- 子字段名：role，数据类型：字符串
数据划分：
- 划分名称：训练集（train），占用字节数：67153647，样本数量：10000
- 划分名称：测试集（test），占用字节数：13444333，样本数量：2000
下载总大小：42296152，数据集总存储大小：80597980
配置项：
- 配置名称：默认配置（default），数据文件路径：
- 训练集对应数据文件：data/train-*
- 测试集对应数据文件：data/test-*

原始信息汇总

数据集概述

特征信息

• prompt: 数据类型为字符串。
• prompt_id: 数据类型为字符串。
• messages: 列表类型，包含以下字段：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。

数据分割

• train: 包含10000个样本，总字节数为67153647。
• test: 包含2000个样本，总字节数为13444333。

数据集大小

• 下载大小: 42296152字节。
• 数据集大小: 80597980字节。

配置信息

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

搜集汇总

背景与挑战

背景概述

该数据集是一个包含12,000行文本对话的parquet格式数据集，涵盖多个主题，适用于文本生成任务。数据集分为10k行的训练集和2k行的测试集，总文件大小为42.3 MB。