OpenMol/MolInst_FS_125K_SMILES_1_8_MMChat

---
dataset_info:
features:
- name: id
dtype: int64
- name: molecules
struct:
- name: selfies
sequence: string
- name: smiles
sequence: string
- name: ground_truth
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 16284967
num_examples: 15548
- name: test
num_bytes: 969433
num_examples: 1000
download_size: 2670813
dataset_size: 17254400
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
- 名称：id，数据类型：int64
- 名称：molecules，为结构体类型，包含子字段：
- 名称：selfies（SELFIES），为字符串序列
- 名称：smiles（SMILES，简化分子线性输入规范），为字符串序列
- 名称：基准真值（ground truth），数据类型：string
- 名称：messages，为列表类型，包含子项：
- 名称：content，数据类型：string
- 名称：role，数据类型：string
数据集划分：
- 划分名称：train（训练集），字节大小：16284967，样本数量：15548
- 划分名称：test（测试集），字节大小：969433，样本数量：1000
下载总大小：2670813，数据集总存储大小：17254400
配置项：
- 配置名称：default（默认配置），数据文件映射：
- 训练集划分对应路径：data/train-*
- 测试集划分对应路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• id：整数类型（int64）
• molecules：结构化数据，包含以下序列类型字段：
  • selfies：字符串序列
  • smiles：字符串序列
• ground_truth：字符串类型
• messages：列表类型，包含以下字段：
  • content：字符串类型
  • role：字符串类型

数据集划分

• 训练集（train）：
  • 数据量：15548个样本
  • 存储大小：16284967字节
• 测试集（test）：
  • 数据量：1000个样本
  • 存储大小：969433字节

数据集大小

• 下载大小：2670813字节
• 数据集总大小：17254400字节

数据文件配置

• 默认配置（default）：
  • 训练集路径：data/train-*
  • 测试集路径：data/test-*