chanwit/ultrachat_200k_filtered

--- dataset_info: features: - name: prompt dtype: string - name: prompt_id dtype: string - name: messages list: - name: content dtype: string - name: role dtype: string - name: __index_level_0__ dtype: int64 splits: - name: train_sft num_bytes: 1396561957 num_examples: 207646 - name: test_sft num_bytes: 154634580 num_examples: 23082 download_size: 813170063 dataset_size: 1551196537 configs: - config_name: default data_files: - split: train_sft path: data/train_sft-* - split: test_sft path: data/test_sft-* ---数据集信息： 特征字段： - 字段名：prompt（提示词），数据类型：字符串 - 字段名：prompt_id（提示词标识符），数据类型：字符串 - 字段名：messages（消息列表），列表元素结构为： - content（消息内容）：字符串类型 - role（角色标识）：字符串类型 - 字段名：__index_level_0__，数据类型：64位整数 数据集划分： - 划分名称：train_sft（监督微调训练集），字节大小：1396561957，样本数量：207646 - 划分名称：test_sft（监督微调测试集），字节大小：154634580，样本数量：23082 下载总大小：813170063 数据集总存储大小：1551196537 配置项： - 配置名称：default（默认配置），数据文件： - 对应划分train_sft，数据文件路径：data/train_sft-* - 对应划分test_sft，数据文件路径：data/test_sft-*

原始信息汇总

数据集信息

特征

• prompt: 字符串类型
• prompt_id: 字符串类型
• messages: 列表类型
  • content: 字符串类型
  • role: 字符串类型
• index_level_0: 整数类型

数据分割

• train_sft:
  • 字节数: 1396561957
  • 样本数: 207646
• test_sft:
  • 字节数: 154634580
  • 样本数: 23082

数据大小

• 下载大小: 813170063 字节
• 数据集大小: 1551196537 字节

配置

• default 配置:
  • 训练数据文件路径: data/train_sft-*
  • 测试数据文件路径: data/test_sft-*