Starlento/SFT-COIG-CQIA-handbook

该数据集来源于COIG-CQIA，并进行了重新整理以便直接用于alignment-handbook。数据集包含多个分割，如train_douban、train_human_value、train_logi_qa等，主要用于文本生成和问答任务。数据集的语言为中文，标签为sft。

原始信息汇总

数据集概述

数据集特征

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

数据集分割

• train_douban: 3086个样本，大小为5567696字节。
• train_human_value: 1007个样本，大小为806635字节。
• train_logi_qa: 421个样本，大小为666517字节。
• train_ruozhiba: 240个样本，大小为228494字节。
• train_segmentfault: 458个样本，大小为1068526字节。
• train_wiki: 10603个样本，大小为27611061字节。
• train_wikihow: 1485个样本，大小为11069103字节。
• train_xhs: 1508个样本，大小为2551884字节。
• train_zhihu: 5631个样本，大小为13986060字节。
• train: 24439个样本，大小为63555976字节。
• test: 240个样本，大小为228494字节。

数据集大小

• 下载大小: 67916523字节。
• 数据集大小: 127340446字节。

配置文件

• 默认配置: 包含多个数据文件，每个文件对应不同的数据分割，路径格式为data/分割名称_sft-*。

任务类别

• text-generation
• question-answering

语言

• 中文

大小类别

• 10K<n<100K

标签

• sft