clyu/sg_55k_cleaned_en_split8k

---
configs:
- config_name: default
data_files:
- split: train_sft
path: data/train_sft-*
- split: test_sft
path: data/test_sft-*
dataset_info:
features:
- name: prompt_id
dtype: string
- name: prompt
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train_sft
num_bytes: 683175419.6903844
num_examples: 59881
- name: test_sft
num_bytes: 35960804.3096156
num_examples: 3152
download_size: 310298835
dataset_size: 719136224.0
---
# Dataset Card for "sg_55k_cleaned_en_split8k"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
• 数据文件:
  • 训练集: data/train_sft-*
  • 测试集: data/test_sft-*

数据集信息

• 特征:

  • prompt_id: 数据类型为字符串
  • prompt: 数据类型为字符串
  • messages: 列表类型，包含以下子特征:
    • content: 数据类型为字符串
    • role: 数据类型为字符串
  • index_level_0: 数据类型为int64

• 分割信息:

  • 训练集 (train_sft):
    • 字节数: 683175419.6903844
    • 示例数: 59881
  • 测试集 (test_sft):
    • 字节数: 35960804.3096156
    • 示例数: 3152

• 下载大小: 310298835字节

• 数据集大小: 719136224.0字节