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-*
---

数据集信息：
特征列表：
- 字段名：idx，数据类型：字符串
- 字段名：source，数据类型：字符串
- 字段名：custom_instruction，数据类型：布尔型
- 字段名：category，数据类型：字符串
- 字段名：conversations，数据类型：列表，列表元素结构：
- 字段名：from，数据类型：字符串
- 字段名：value，数据类型：字符串
- 字段名：weight，数据类型：64位浮点型（float64）
- 字段名：language，数据类型：字符串
- 字段名：id，数据类型：字符串
- 字段名：topic，数据类型：字符串
- 字段名：model，数据类型：字符串
- 字段名：hash，数据类型：64位整型（int64）序列
- 字段名：avatarUrl，数据类型：字符串
- 字段名：model_name，数据类型：字符串
- 字段名：views，数据类型：整型
- 字段名：skip_prompt_formatting，数据类型：布尔型
- 字段名：title，数据类型：字符串
- 字段名：system_prompt，数据类型：字符串
数据拆分：
- 拆分名称：train（训练集），字节数：168120556.31715208，样本数量：100000
下载总大小：85705629，数据集总存储大小：168120556.31715208
配置项：
- 配置名称：default（默认配置），数据文件配置：
- 对应数据拆分：train（训练集），数据路径：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-*。