CognitiveLab/Hindi-Instruct-Gemma-Prompt-formate

该数据集主要用于文本生成任务，支持英语和印地语。数据集包含多个特征，如messages、prompt、text、input_ids和attention_mask，其中messages是一个列表，包含content和role两个字段。数据集分为train和test两个分割，分别包含91328和10148个示例。数据集大小为1825764932字节，下载大小为761577295字节。数据集包含与印地语、指令和对话相关的标签。

原始信息汇总

数据集概述

数据特征

• messages:
  • content: 数据类型为字符串
  • role: 数据类型为字符串
• prompt: 数据类型为字符串
• text: 数据类型为字符串
• input_ids: 序列类型为整数32位
• attention_mask: 序列类型为整数8位

数据分割

• train:
  • 字节数: 1643181241.9655485
  • 样本数: 91328
• test:
  • 字节数: 182583690.03445148
  • 样本数: 10148

数据大小

• 下载大小: 761577295
• 数据集大小: 1825764932

配置

• default:
  • train: 路径为 data/train-*
  • test: 路径为 data/test-*

许可证

• apache-2.0

任务类别

• text-generation

语言

• en
• hi

标签

• hindi
• instruct
• instruction
• converstation

大小类别

• 10K<n<100K