wenbopan/OpenOrca-zh-20k

OpenOrca-zh-20k数据集是Open-Orca/OpenOrca的中文版本，来源于Azure99/blossom-orca-v3。该数据集提取了所有中文样本（约20K）并单独放在zh分割中，所有样本都按照ocra格式格式化，并在第一轮中可选地包含system角色。此外，该数据集在en分割中包含200K由GPT-4生成的英文样本。数据集的特征包括id、system_prompt、question和response，分别用于标识、系统提示、问题和回答。数据集支持的任务类别包括问答和文本生成，语言包括中文和英文，标签为合成数据。

原始信息汇总

数据集概述

许可证

• Apache-2.0

数据集配置

英文配置 (en)

• 特征:
  • id: string
  • system_prompt: string
  • question: string
  • response: string
• 分割:
  • train:
    • 字节数: 359541091.33014905
    • 样本数: 200000
• 下载大小: 205541392
• 数据集大小: 359541091.33014905

中文配置 (zh)

• 特征:
  • id: string
  • system_prompt: string
  • question: string
  • response: string
• 分割:
  • train:
    • 字节数: 36081175
    • 样本数: 19836
• 下载大小: 22533011
• 数据集大小: 36081175

数据文件配置

英文配置 (en)

• 数据文件:
  • 分割: train
  • 路径: en/train-*

中文配置 (zh)

• 数据文件:
  • 分割: train
  • 路径: zh/train-*

任务类别

• 问答
• 文本生成

语言

• 中文
• 英文

标签

• 合成数据