shidowake/hrms-shuffle-subset_100k

---
dataset_info:
features:
- name: idx
dtype: string
- name: source
dtype: string
- name: custom_instruction
dtype: bool
- name: category
dtype: string
- name: conversations
list:
- name: from
dtype: string
- name: value
dtype: string
- name: weight
dtype: float64
- name: language
dtype: string
- name: id
dtype: string
- name: topic
dtype: string
- name: model
dtype: string
- name: hash
sequence: int64
- name: avatarUrl
dtype: string
- name: model_name
dtype: string
- name: views
dtype: int64
- name: skip_prompt_formatting
dtype: bool
- name: title
dtype: string
- name: system_prompt
dtype: string
splits:
- name: train
num_bytes: 168120556.31715208
num_examples: 100000
download_size: 85705629
dataset_size: 168120556.31715208
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集信息

特征

• idx: 类型为字符串。
• source: 类型为字符串。
• custom_instruction: 类型为布尔值。
• category: 类型为字符串。
• conversations: 列表类型，包含以下子特征：
  • from: 类型为字符串。
  • value: 类型为字符串。
  • weight: 类型为浮点数（float64）。
• language: 类型为字符串。
• id: 类型为字符串。
• topic: 类型为字符串。
• model: 类型为字符串。
• hash: 序列类型，类型为整数（int64）。
• avatarUrl: 类型为字符串。
• model_name: 类型为字符串。
• views: 类型为整数（int64）。
• skip_prompt_formatting: 类型为布尔值。
• title: 类型为字符串。
• system_prompt: 类型为字符串。

数据分割

• train: 包含100000个样本，占用168120556.31715208字节。

数据大小

• 下载大小: 85705629字节。
• 数据集大小: 168120556.31715208字节。

配置

• default: 包含训练数据文件，路径为data/train-*。