Synadapt/Orpo_Split_Turns_v1_clean_meta

该数据集主要包含对话数据，具体特征包括系统提示、领域、复杂性、多个回合的对话文本及其对应的token数量。此外，数据集中还包含了每个回合的元数据和验证信息。数据集分为训练集，包含15402个样本，总大小为172457727字节。

This dataset primarily contains dialogue data, with features including system prompts, domain, complexity, multiple turns of dialogue text, and their corresponding token counts. Additionally, the dataset includes metadata and validation information for each turn. The dataset is divided into a training set, containing 15,402 samples, with a total size of 172,457,727 bytes.

原始信息汇总

数据集概述

特征

• System_Prompt: 字符串类型
• system_prompt_tokens: 字符串类型
• Domain: 字符串类型
• Complexity: 字符串类型
• chosen_turn_1_text 至 chosen_turn_17_text: 字符串类型
• chosen_turn_1_tokens 至 chosen_turn_17_tokens: 字符串类型
• rejected_turn_1_text 至 rejected_turn_17_text: 字符串类型
• rejected_turn_1_tokens 至 rejected_turn_17_tokens: 字符串类型
• chosen_turn_1_text_metadata_user 至 chosen_turn_17_text_metadata_user: 字符串类型
• chosen_turn_1_text_metadata_assistant 至 chosen_turn_17_text_metadata_assistant: 字符串类型
• chosen_turn_1_text_validation_user 至 chosen_turn_17_text_validation_user: 字符串类型
• chosen_turn_1_text_validation_assistant 至 chosen_turn_17_text_validation_assistant: 字符串类型

数据集划分

• train:
  • 字节数: 172457727
  • 样本数: 15402

数据集大小

• 下载大小: 88394688 字节
• 数据集大小: 172457727 字节

配置

• config_name: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*