hlhdatscience/guanaco-spanish-dataset

该数据集是timdettmers/openassistant-guanaco的一个子集，仅包含对话树中评分最高的路径，并已通过GPT 3.5 turbo翻译成西班牙语。数据集包含2,369个样本，分别占原数据集中训练集和测试集的40%和41%。数据集适用于Open Assistant应用程序的模型训练和评估。

原始信息汇总

数据集卡片 for "guanaco-spanish-dataset"

数据集详情

• 语言: 西班牙语
• 许可证: Apache 2.0
• 数据集名称: guanaco-spanish-dataset
• 配置:
  • 默认配置:
    • 数据文件:
      • 训练集: data/train-*
      • 测试集: data/test-*
• 数据集信息:
  • 特征:
    • 文本: 字符串类型
    • 分区: 字符串类型
  • 分割:
    • 训练集:
      • 字节数: 4071580
      • 样本数: 2173
    • 测试集:
      • 字节数: 333135
      • 样本数: 196
  • 下载大小: 2267485
  • 数据集大小: 4404715

数据集创建

• 数据集来源: 原始数据集是 timdettmers/openassistant-guanaco 的一个子集，该数据集也是 Open Assistant 数据集的一个子集。
• 数据集创建理由: 该子集旨在提供原始 Open Assistant 数据集中最高评级的对话路径的聚焦集合，翻译过程使用 GPT 3.5 turbo 完成。
• 数据收集和处理: 源数据是 timdettmers/openassistant-guanaco 数据集的一个子集，翻译过程涉及 GPT 3.5 turbo。
• 源数据生产者: 原始数据生产者包括 Open Assistant 数据集的贡献者，翻译过程涉及使用 GPT 3.5 turbo。

数据集结构

• 数据集组织: 数据集按对话路径组织，每个路径包含最高评级的样本。样本是通过 GPT 3.5 turbo 生成的翻译版本。

使用

• 直接使用: 该数据集适用于在 Open Assistant 应用场景中训练和评估模型，专注于对话树中最高评级的路径。
• 超出范围使用: 在 Open Assistant 应用场景之外的使用可能不会产生最佳结果。

个人和敏感信息

• 信息内容: 数据集不包含个人或敏感信息。

偏差、风险和限制

• 偏差和风险: 用户应注意在翻译过程中可能引入的潜在偏差。
• 限制: 包括专注于最高评级的对话路径。

建议

• 使用建议: 用户在使用数据集进行模型训练和应用时应考虑潜在的偏差和限制。