sr5434/CodegebraGPT_data

该数据集是一个用于微调大型语言模型（LLMs）在STEM（科学、技术、工程和数学）相关任务上的数据集集合。数据集格式遵循LLaVA微调格式，包含多种配置，如100k-multimodal、100k-text和full，每种配置都有详细的特征描述和分割信息。数据集的特征包括对话内容、ID和图像信息，适用于对话式任务。

原始信息汇总

数据集概述

数据集配置

100k-multimodal

• 特征:
  • conversations:
    • from: 字符串
    • value: 字符串
  • id: 64位整数
  • image: 字符串
• 分割:
  • train:
    • 字节数: 124335530
    • 样本数: 100000
• 下载大小: 64289784
• 数据集大小: 124335530

100k-text

• 特征:
  • conversations:
    • from: 字符串
    • value: 字符串
  • id: 64位整数
  • image: 字符串
• 分割:
  • train:
    • 字节数: 124335530
    • 样本数: 100000
• 下载大小: 64289784
• 数据集大小: 124335530

full

• 特征:
  • conversations:
    • from: 字符串
    • value: 字符串
  • id: 64位整数
  • image: 字符串
• 分割:
  • train:
    • 字节数: 1305046195
    • 样本数: 1049253
• 下载大小: 673964053
• 数据集大小: 1305046195

数据文件路径

• 100k-multimodal:
  • train: 100k-multimodal/train-*
• 100k-text:
  • train: 100k-text/train-*
• full:
  • train: full/train-*

许可证

• MIT

任务类别

• 对话

语言

• 英语

标签

• 化学
• 生物学
• 代码

大小类别

• 100K<n<1M