RLHFlow/prompt-collection-v0.1

该数据集包含了来自多个子集的提示信息，包括UltraFeedback、HelpSteer、OpenOrca Pairs、UltraInteract、DIBT 10K Prompts Ranked和Capybara Preferences等。数据集的结构包括数据集名称、上下文、上下文消息和ID等字段，并提供了训练集的划分信息，如大小和样本数量。

原始信息汇总

数据集信息

特征

• dataset: 数据集名称，数据类型为字符串。
• context: 上下文信息，数据类型为字符串。
• context_messages: 上下文消息列表，包含以下字段：
  • content: 消息内容，数据类型为字符串。
  • role: 角色，数据类型为字符串。
• id: 标识符，数据类型为字符串。

数据分割

• train: 训练集，包含658972830.7925905字节的数据和179465个样本。

数据大小

• download_size: 下载大小为227400162字节。
• dataset_size: 数据集大小为658972830.7925905字节。

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。