erfanzar/UltraChat-Mixin

UltraChat-Mixin数据集是由stingning/ultrachat、jondurbin/airoboros-2.1和erfanzar/GPT4-8K三个数据集混合而成，旨在训练对话AI模型。数据集包含对话、用户消息、助手响应、系统消息和唯一标识符等特征。数据集仅包含一个训练分割，包含1,478,011个示例，大小约为18,719,148,590字节。下载大小约为9,422,934,646字节。

原始信息汇总

UltraChat-Mixin 数据集概述

概述

UltraChat-Mixin 是一个由三个数据集混合而成的数据集，包括 stingning/ultrachat、jondurbin/airoboros-2.1 和 erfanzar/GPT4-8K。该数据集旨在用于训练对话式AI模型。

数据集配置

数据集配置如下：

yaml configs:

• config_name: default data_files:
  • split: train path: data/train-* dataset_info: features:
  • name: dialog sequence: string
  • name: user sequence: string
  • name: assistant sequence: string
  • name: system dtype: string
  • name: id dtype: int64 splits:
  • name: train num_bytes: 18719148590 num_examples: 1478011 download_size: 9422934646 dataset_size: 18719148590

特征

UltraChat-Mixin 数据集包含以下特征：

• dialog: 表示对话内容的字符串序列。
• user: 表示用户消息的字符串序列。
• assistant: 表示助手响应的字符串序列。
• system: 表示系统消息的字符串。
• id: 表示每个示例唯一标识的整数。

分割

数据集包含一个分割：

• train: 用于训练对话式AI模型，包含 1,478,011 个示例，大小约为 18,719,148,590 字节。

下载大小

UltraChat-Mixin 数据集的下载大小约为 9,422,934,646 字节。

数据集大小

UltraChat-Mixin 数据集的总大小约为 18,719,148,590 字节。