ucla-cmllab/ultrachat_100k

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test_sft
path: data/test_sft-*
- split: train_gen
path: data/train_gen-*
- split: test_gen
path: data/test_gen-*
dataset_info:
features:
- name: prompt
dtype: string
- name: prompt_id
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 672098984.4370145
num_examples: 100000
- name: test_sft
num_bytes: 154695659
num_examples: 23110
- name: train_gen
num_bytes: 1347396812
num_examples: 256032
- name: test_gen
num_bytes: 148276089
num_examples: 28304
download_size: 1244077019
dataset_size: 2322467544.4370146
---
# Dataset Card for "ultrachat_100k"

[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

配置信息

• 默认配置：
  • 数据文件：
    • 训练集（train）：路径为 data/train-*
    • SFT 测试集（test_sft）：路径为 data/test_sft-*
    • 生成训练集（train_gen）：路径为 data/train_gen-*
    • 生成测试集（test_gen）：路径为 data/test_gen-*

数据集信息

• 特征：

  • prompt：数据类型为字符串
  • prompt_id：数据类型为字符串
  • messages：列表类型，包含以下子特征：
    • content：数据类型为字符串
    • role：数据类型为字符串

• 分割：

  • 训练集（train）：
    • 字节数：672098984.4370145
    • 样本数：100000
  • SFT 测试集（test_sft）：
    • 字节数：154695659
    • 样本数：23110
  • 生成训练集（train_gen）：
    • 字节数：1347396812
    • 样本数：256032
  • 生成测试集（test_gen）：
    • 字节数：148276089
    • 样本数：28304

• 下载大小：1244077019 字节

• 数据集大小：2322467544.4370146 字节