flydust/ShareGPT-Vicuna-unfiltered-axolotl

---
dataset_info:
features:
- name: dataset
dtype: string
- name: id
dtype: string
- name: conversations
list:
- name: from
dtype: string
- name: value
dtype: string
splits:
- name: train
num_bytes: 422521695.52684927
num_examples: 111912
download_size: 361222437
dataset_size: 422521695.52684927
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

Convert anon8231489123/ShareGPT_Vicuna_unfiltered to sharegpt format for Axolotl SFT.

The dataset includes three main features: dataset, id, and conversations. The conversations is a list containing from and value sub-features. The dataset is divided into a training set with 111912 samples, totaling 422521695.52684927 bytes. This dataset is used to convert anon8231489123/ShareGPT_Vicuna_unfiltered to sharegpt format for use in Axolotl SFT.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • dataset: 数据集名称，类型为字符串。
  • id: 数据集ID，类型为字符串。
  • conversations: 对话列表，包含以下字段：
    • from: 对话来源，类型为字符串。
    • value: 对话内容，类型为字符串。

数据集分割

• train:
  • num_bytes: 422521695.52684927 字节
  • num_examples: 111912 个样本

数据集大小

• download_size: 361222437 字节
• dataset_size: 422521695.52684927 字节

配置

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

搜集汇总

背景与挑战

背景概述

该数据集是一个多语言对话数据集，包含约11.2万条人类与AI助手之间的对话记录，覆盖技术支持、文学分析、营销策略等多样化主题，格式为Parquet，适用于训练和微调对话生成模型。数据集基于ShareGPT格式，并专门为Axolotl框架的监督微调任务进行了转换和优化。