orpo-explorers/OHP-Stratified-2

---
dataset_info:
features:
- name: source
dtype: string
- name: category
dtype:
class_label:
names:
'0': agent
'1': awareness
'2': card
'3': coding
'4': cot
'5': counterfactual_contextual
'6': detailed_writing
'7': editor
'8': experience
'9': general
'10': greeting
'11': gtkm
'12': joke
'13': misconception
'14': multiple_choice
'15': orca
'16': plan
'17': quiz
'18': riddle
'19': roleplay
'20': rp
'21': song
'22': stylized_response
'23': summarization
'24': theory_of_mind
'25': trivia
'26': uncategorized
'27': wordgame
'28': writing
- name: prompt
dtype: string
- name: candidates_completions
sequence: string
- name: candidate_policies
sequence: string
- name: ranks
sequence: int64
- name: rank_str
dtype: string
- name: chosen_policy
dtype: string
- name: chosen
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rejected_policy
dtype: string
- name: rejected
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 2434362224.403847
num_examples: 331479
download_size: 1213897023
dataset_size: 2434362224.403847
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• source：数据来源，数据类型为字符串。
• category：类别标签，数据类型为分类标签，包含以下类别：
  • agent
  • awareness
  • card
  • coding
  • cot
  • counterfactual_contextual
  • detailed_writing
  • editor
  • experience
  • general
  • greeting
  • gtkm
  • joke
  • misconception
  • multiple_choice
  • orca
  • plan
  • quiz
  • riddle
  • roleplay
  • rp
  • song
  • stylized_response
  • summarization
  • theory_of_mind
  • trivia
  • uncategorized
  • wordgame
  • writing
• prompt：提示信息，数据类型为字符串。
• candidates_completions：候选完成序列，数据类型为字符串序列。
• candidate_policies：候选策略序列，数据类型为字符串序列。
• ranks：排名序列，数据类型为整数序列。
• rank_str：排名字符串，数据类型为字符串。
• chosen_policy：选定策略，数据类型为字符串。
• chosen：选定项，包含以下子特征：
  • content：内容，数据类型为字符串。
  • role：角色，数据类型为字符串。
• rejected_policy：拒绝策略，数据类型为字符串。
• rejected：拒绝项，包含以下子特征：
  • content：内容，数据类型为字符串。
  • role：角色，数据类型为字符串。

数据集分割

• train：训练集，包含331479个示例，数据大小为2434362224.403847字节。

数据集大小

• download_size：下载大小为1213897023字节。
• dataset_size：数据集大小为2434362224.403847字节。

配置

• config_name：默认配置。
• data_files：数据文件路径，训练集路径为data/train-*。