DreamingBumblebee/ultrachat-100-ko

这是一个迷你翻译版本的UltraChat 200k数据集，适用于文本生成任务。数据集包含训练和测试分割，每个分割包含100个样本。数据集的每个条目包含prompt、prompt_id和messages字段，其中messages字段包含content和role两个子字段，分别表示对话内容和角色。数据集以parquet格式存储，适用于监督微调任务。

原始信息汇总

数据集概述

基本信息

• 数据集名称: ultrachat-100-ko
• 许可证: MIT
• 大小范围: 10<n<1000
• 任务类别: text-generation

配置信息

• 配置名称: default
• 数据文件:
  • 训练集: data/train_sft*
  • 测试集: data/test_sft*

数据集结构

• 特征:
  • prompt: 字符串类型
  • prompt_id: 字符串类型
  • messages: 列表类型，包含:
    • content: 字符串类型
    • role: 字符串类型
• 分割:
  • train_sft: 100个样本
  • test_sft: 100个样本

存储格式

• 格式: parquet
• 架构: json { "prompt": "...", "messages": [ { "content": "...", "role": "user" }, { "content": "...", "role": "assistant" }, ... ], "prompt_id": "..." }