cornfieldrm/pair-preference-dataset-700K_subset-2-of-3_standard

---
dataset_info:
features:
- name: rejected
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rejected_score
dtype: float64
- name: chosen_score
dtype: float64
- name: chosen
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 933088851.1981936
num_examples: 233121
download_size: 485491675
dataset_size: 933088851.1981936
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息（dataset_info）：
特征（features）：
- 被拒回复（rejected）：采用列表结构，包含两个子特征：
- 内容（content）：字符串类型
- 角色（role）：字符串类型
- 被拒回复得分（rejected_score）：float64类型（64位浮点数）
- 优选回复得分（chosen_score）：float64类型（64位浮点数）
- 优选回复（chosen）：采用列表结构，包含两个子特征：
- 内容（content）：字符串类型
- 角色（role）：字符串类型
数据集拆分（splits）：
- 训练集（train）：占用字节数为933088851.1981936，样本总数为233121
下载大小（download_size）：485491675字节
数据集总大小（dataset_size）：933088851.1981936字节
数据集配置（configs）：
- 默认配置（default）：数据文件配置为：拆分对应训练集，文件路径为 data/train-*

原始信息汇总

数据集概述

数据集特征

• rejected

  • content: 数据类型为字符串
  • role: 数据类型为字符串

• rejected_score: 数据类型为浮点数

• chosen_score: 数据类型为浮点数

• chosen

  • content: 数据类型为字符串
  • role: 数据类型为字符串

数据集划分

• train
  • num_bytes: 933088851.1981936 字节
  • num_examples: 233121 个样本

数据集大小

• download_size: 485491675 字节
• dataset_size: 933088851.1981936 字节

配置信息

• config_name: default
  • data_files
    • split: train
      • path: data/train-*