PetarKal/curated-ascii-mix-v5-no140k

--- dataset_info: features: - name: messages list: - name: content dtype: string - name: role dtype: string - name: source dtype: string - name: source_dataset dtype: string - name: bucket dtype: string - name: category dtype: string - name: family_id dtype: string - name: prompt_family dtype: string - name: quality_score dtype: float64 - name: chosen_variant dtype: string splits: - name: train num_bytes: 5282678 num_examples: 4522 - name: validation num_bytes: 527981 num_examples: 452 download_size: 8051106 dataset_size: 5810659 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* ---数据集信息： 特征列表： - 字段名：messages（消息列表），类型为列表，列表元素包含以下子字段： - content（内容）：数据类型为字符串（string） - role（角色）：数据类型为字符串（string） - 字段名：source（来源），数据类型为字符串（string） - 字段名：source_dataset（源数据集），数据类型为字符串（string） - 字段名：bucket（存储桶），数据类型为字符串（string） - 字段名：category（类别），数据类型为字符串（string） - 字段名：family_id（家族标识），数据类型为字符串（string） - 字段名：prompt_family（提示家族），数据类型为字符串（string） - 字段名：quality_score（质量评分），数据类型为64位浮点数（float64） - 字段名：chosen_variant（优选变体），数据类型为字符串（string） 数据集划分： - 划分名称：train（训练集），字节数：5282678，样本数：4522 - 划分名称：validation（验证集），字节数：527981，样本数：452 下载总大小：8051106 字节，数据集总存储大小：5810659 字节 配置项： - 配置名称：default（默认配置），数据文件配置： - 训练集划分：数据路径为 data/train-* - 验证集划分：数据路径为 data/validation-*