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-*