d-llm/lmsys-chat-70k

---
dataset_info:
features:
- name: prompt
dtype: string
- name: response
dtype: string
- name: score
struct:
- name: categories
struct:
- name: harassment
dtype: bool
- name: harassment/threatening
dtype: bool
- name: hate
dtype: bool
- name: hate/threatening
dtype: bool
- name: self-harm
dtype: bool
- name: self-harm/instructions
dtype: bool
- name: self-harm/intent
dtype: bool
- name: sexual
dtype: bool
- name: sexual/minors
dtype: bool
- name: violence
dtype: bool
- name: violence/graphic
dtype: bool
- name: category_scores
struct:
- name: harassment
dtype: float64
- name: harassment/threatening
dtype: float64
- name: hate
dtype: float64
- name: hate/threatening
dtype: float64
- name: self-harm
dtype: float64
- name: self-harm/instructions
dtype: float64
- name: self-harm/intent
dtype: float64
- name: sexual
dtype: float64
- name: sexual/minors
dtype: float64
- name: violence
dtype: float64
- name: violence/graphic
dtype: float64
- name: flagged
dtype: bool
splits:
- name: train
num_bytes: 42899995
num_examples: 29426
download_size: 23086216
dataset_size: 42899995
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
数据集特征：
- 字段名称：提示词（prompt），数据类型：字符串
- 字段名称：回复（response），数据类型：字符串
- 字段名称：评分（score），数据类型为结构体，包含以下子字段：
- 子字段分类项（categories），数据类型为结构体，包含以下安全审核分类：
- 骚扰（harassment）：布尔型（bool）
- 威胁性骚扰（harassment/threatening）：布尔型（bool）
- 仇恨言论（hate）：布尔型（bool）
- 威胁性仇恨言论（hate/threatening）：布尔型（bool）
- 自伤（self-harm）：布尔型（bool）
- 自伤指导（self-harm/instructions）：布尔型（bool）
- 自伤意图（self-harm/intent）：布尔型（bool）
- 性内容（sexual）：布尔型（bool）
- 未成年人相关性内容（sexual/minors）：布尔型（bool）
- 暴力（violence）：布尔型（bool）
- 图形化暴力（violence/graphic）：布尔型（bool）
- 子字段分类评分（category_scores），数据类型为结构体，包含以下评分项：
- 骚扰（harassment）：双精度浮点数（float64）
- 威胁性骚扰（harassment/threatening）：双精度浮点数（float64）
- 仇恨言论（hate）：双精度浮点数（float64）
- 威胁性仇恨言论（hate/threatening）：双精度浮点数（float64）
- 自伤（self-harm）：双精度浮点数（float64）
- 自伤指导（self-harm/instructions）：双精度浮点数（float64）
- 自伤意图（self-harm/intent）：双精度浮点数（float64）
- 性内容（sexual）：双精度浮点数（float64）
- 未成年人相关性内容（sexual/minors）：双精度浮点数（float64）
- 暴力（violence）：双精度浮点数（float64）
- 图形化暴力（violence/graphic）：双精度浮点数（float64）
- 子字段标记状态（flagged）：布尔型（bool）
数据集拆分：
- 拆分名称：训练集（train），数据字节数：42899995，样本数量：29426
下载大小：23086216
数据集总大小：42899995
数据集配置：
- 配置名称：默认（default），数据文件：
- 拆分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• prompt: 数据类型为字符串。
• response: 数据类型为字符串。
• score: 结构化数据，包含以下子特征：
  • categories: 包含多个子特征，均为布尔类型，具体包括：
    • harassment
    • harassment/threatening
    • hate
    • hate/threatening
    • self-harm
    • self-harm/instructions
    • self-harm/intent
    • sexual
    • sexual/minors
    • violence
    • violence/graphic
  • category_scores: 包含多个子特征，均为浮点数类型（float64），具体包括：
    • harassment
    • harassment/threatening
    • hate
    • hate/threatening
    • self-harm
    • self-harm/instructions
    • self-harm/intent
    • sexual
    • sexual/minors
    • violence
    • violence/graphic
  • flagged: 数据类型为布尔类型。

数据集分割

• train:
  • 数据大小: 42,899,995 字节
  • 示例数量: 29,426

数据集大小

• 下载大小: 23,086,216 字节
• 数据集大小: 42,899,995 字节

配置信息

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