PetarKal/curated-ascii-mix-v5

--- dataset_info: features: - name: messages list: - name: content dtype: string - name: role dtype: string - name: source dtype: string - name: source_dataset dtype: string - name: bucket dtype: string - name: category dtype: string - name: family_id dtype: string - name: prompt_family dtype: string - name: quality_score dtype: float64 - name: chosen_variant dtype: string splits: - name: train num_bytes: 17109710 num_examples: 14646 - name: validation num_bytes: 900606 num_examples: 771 download_size: 16674365 dataset_size: 18010316 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* ---数据集信息： 特征字段： - 名称：对话消息（messages），为列表类型，包含两个子字段： - 名称：内容（content），数据类型为字符串（string） - 名称：角色（role），数据类型为字符串（string） - 名称：来源（source），数据类型为字符串（string） - 名称：来源数据集（source_dataset），数据类型为字符串（string） - 名称：存储桶（bucket），数据类型为字符串（string） - 名称：分类（category），数据类型为字符串（string） - 名称：家族ID（family_id），数据类型为字符串（string） - 名称：提示词家族（prompt_family），数据类型为字符串（string） - 名称：质量评分（quality_score），数据类型为64位浮点数（float64） - 名称：选中变体（chosen_variant），数据类型为字符串（string） 数据集划分： - 名称：训练集（train），字节大小：17109710，样本数量：14646 - 名称：验证集（validation），字节大小：900606，样本数量：771 下载大小：16674365，数据集总大小：18010316 配置项： - 配置名称：default（默认配置），数据文件映射如下： - 数据集划分：训练集，路径：data/train-* - 数据集划分：验证集，路径：data/validation-*