swesmith-unified-10000

该数据集包含10,000个训练样本，总大小约481MB。每个样本包含三个主要字段：1) 'conversations'字段（包含'content'文本内容和'role'角色的对话结构），2) 'instance_id'唯一标识符，3) 'source'来源标识。数据以训练集形式存储，原始文件路径为data/train-*。This dataset contains 10,000 training samples with a total size of approximately 481 MB. Each sample comprises three core fields: 1) the 'conversations' field, which features a dialogue structure consisting of 'content' (text content) and 'role' (speaker role); 2) the 'instance_id' unique identifier; 3) the 'source' source identifier. The data is stored in the form of a training set, with the original file path being data/train-*.

原始信息汇总

数据集概述

基本信息

• 数据集名称: swesmith-unified-10000
• 发布者/组织: laion
• 数据集地址: https://huggingface.co/datasets/laion/swesmith-unified-10000
• 总数据量: 481,163,871.94 字节
• 下载大小: 133,322,509 字节

数据内容与结构

• 数据条目总数: 10,000 条
• 数据分割: 仅包含一个训练集（train）
• 每条数据包含的特征:
  • conversations: 一个列表，其中每个元素包含：
    • content: 字符串类型，表示对话内容
    • role: 字符串类型，表示对话角色
  • instance_id: 字符串类型，表示实例标识符
  • source: 字符串类型，表示数据来源

数据获取

• 配置文件名称: default
• 数据文件路径: data/train-*