distilabel-internal-testing/alvarobartt-improving-text-embeddings-with-llms

该数据集包含一个`pipeline.yaml`文件，可用于在distilabel中重现生成该数据集的管道。数据集的结构包括多个字段，如`task`、`brainstorm_model`、`generation_model`、`user_query`、`positive_document`、`hard_negative_document`和`distilabel_metadata`。数据集的主要用途是验证或反驳科学声明，并使用相关文档进行支持。数据集的配置为`default`，可以通过Hugging Face的`datasets`库加载。

原始信息汇总

数据集概述

数据集基本信息

• 大小分类: n<1K
• 下载大小: 175819字节
• 数据集大小: 284261字节
• 训练集大小: 284261字节，包含40个样本

数据集特征

• task: 字符串类型
• brainstorm_model: 字符串类型
• generation_model: 字符串类型
• user_query: 字符串类型
• positive_document: 字符串类型
• hard_negative_document: 字符串类型
• distilabel_metadata: 结构化数据，包含raw_output_text_retrieval_generation_0字段，类型为字符串

数据集结构

• 配置: 默认
• 数据文件: 训练集路径为data/train-*

加载数据集

python from datasets import load_dataset

ds = load_dataset("distilabel-internal-testing/alvarobartt-improving-text-embeddings-with-llms")

数据集标签

• synthetic
• distilabel
• rlaif