vwxyzjn/summarize_from_feedback_oai_preprocessing_1711138084

---
dataset_info:
features:
- name: info
struct:
- name: id
dtype: string
- name: post
dtype: string
- name: title
dtype: string
- name: subreddit
dtype: string
- name: site
dtype: string
- name: article
dtype: string
- name: summaries
list:
- name: text
dtype: string
- name: policy
dtype: string
- name: note
dtype: string
- name: choice
dtype: int32
- name: worker
dtype: string
- name: batch
dtype: string
- name: split
dtype: string
- name: extra
struct:
- name: confidence
dtype: int32
- name: query_token
sequence: int64
- name: query
dtype: string
- name: chosen
dtype: string
- name: chosen_token
sequence: int64
- name: chosen_token_len
dtype: int64
- name: rejected
dtype: string
- name: rejected_token
sequence: int64
- name: rejected_token_len
dtype: int64
- name: chosen_policy
dtype: string
- name: rejected_policy
dtype: string
- name: policies
dtype: string
- name: chosen_len_minus_rejected_len
dtype: int64
- name: query_chosen
dtype: string
- name: query_chosen_token
sequence: int64
- name: query_chosen_token_len
dtype: int64
- name: query_rejected
dtype: string
- name: query_rejected_token
sequence: int64
- name: query_rejected_token_len
dtype: int64
- name: query_token_len
dtype: int64
- name: query_chosen_token_response_label
sequence: int64
- name: query_rejected_token_response_label
sequence: int64
splits:
- name: train
num_bytes: 3160687523
num_examples: 92858
- name: validation
num_bytes: 2859977775
num_examples: 83802
- name: validation_cnndm
num_bytes: 225375023
num_examples: 2284
download_size: 291050539
dataset_size: 6246040321
---
# Dataset Card for "summarize_from_feedback_oai_preprocessing_1711138084"

[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

数据集特征

• info: 结构化数据
  • id: 字符串类型
  • post: 字符串类型
  • title: 字符串类型
  • subreddit: 字符串类型
  • site: 字符串类型
  • article: 字符串类型
• summaries: 列表
  • text: 字符串类型
  • policy: 字符串类型
  • note: 字符串类型
• choice: 整数类型 (int32)
• worker: 字符串类型
• batch: 字符串类型
• split: 字符串类型
• extra: 结构化数据
  • confidence: 整数类型 (int32)
• query_token: 序列 (int64)
• query: 字符串类型
• chosen: 字符串类型
• chosen_token: 序列 (int64)
• chosen_token_len: 整数类型 (int64)
• rejected: 字符串类型
• rejected_token: 序列 (int64)
• rejected_token_len: 整数类型 (int64)
• chosen_policy: 字符串类型
• rejected_policy: 字符串类型
• policies: 字符串类型
• chosen_len_minus_rejected_len: 整数类型 (int64)
• query_chosen: 字符串类型
• query_chosen_token: 序列 (int64)
• query_chosen_token_len: 整数类型 (int64)
• query_rejected: 字符串类型
• query_rejected_token: 序列 (int64)
• query_rejected_token_len: 整数类型 (int64)
• query_token_len: 整数类型 (int64)
• query_chosen_token_response_label: 序列 (int64)
• query_rejected_token_response_label: 序列 (int64)

数据集分割

• train:
  • 字节数: 3160687523
  • 样本数: 92858
• validation:
  • 字节数: 2859977775
  • 样本数: 83802
• validation_cnndm:
  • 字节数: 225375023
  • 样本数: 2284

数据集大小

• 下载大小: 291050539 字节
• 数据集大小: 6246040321 字节