geodesic-research/sft-fyn1668-warm-start-200k

---
dataset_info:
- config_name: default
features:
- name: messages
list:
- name: content
dtype: string
- name: reasoning_content
dtype: string
- name: role
dtype: string
- name: source
dtype: string
- name: uuid
dtype: string
- name: license
dtype: string
splits:
- name: train
num_bytes: 2204292736
num_examples: 200000
download_size: 1015464880
dataset_size: 2204292736
- config_name: no_think
features:
- name: messages
list:
- name: content
dtype: string
- name: reasoning_content
dtype: string
- name: role
dtype: string
- name: source
dtype: string
- name: uuid
dtype: string
- name: license
dtype: string
splits:
- name: train
num_bytes: 1053335795
num_examples: 200000
download_size: 1040448567
dataset_size: 1053335795
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- config_name: no_think
data_files:
- split: train
path: no_think/train-*
---

数据集元信息：
- 配置名称：default（默认配置）
特征字段：
1. 字段`messages`为列表类型，列表元素为单条对话消息，包含以下子字段：
- 字段`content`：数据类型为字符串，存储消息内容
- 字段`reasoning_content`：数据类型为字符串，存储模型推理过程内容
- 字段`role`：数据类型为字符串，标识消息发送角色
2. 字段`source`：数据类型为字符串，记录数据来源
3. 字段`uuid`（Universally Unique Identifier，通用唯一识别码）：数据类型为字符串，用于唯一标识每条数据
4. 字段`license`：数据类型为字符串，标注数据使用许可证
数据拆分：
- 拆分名称：train（训练集），占用字节数：2204292736，样本总量：200000
整体下载大小：1015464880，解压后数据集大小：2204292736
- 配置名称：no_think（无推理内容配置）
特征字段：
1. 字段`messages`为列表类型，列表元素为单条对话消息，包含以下子字段：
- 字段`content`：数据类型为字符串，存储消息内容
- 字段`reasoning_content`：数据类型为字符串，存储模型推理过程内容
- 字段`role`：数据类型为字符串，标识消息发送角色
2. 字段`source`：数据类型为字符串，记录数据来源
3. 字段`uuid`：数据类型为字符串，用于唯一标识每条数据
4. 字段`license`：数据类型为字符串，标注数据使用许可证
数据拆分：
- 拆分名称：train（训练集），占用字节数：1053335795，样本总量：200000
整体下载大小：1040448567，解压后数据集大小：1053335795
配置项：
- 配置名称：default（默认配置），对应数据文件：
- 数据拆分：train（训练集），文件路径：data/train-*
- 配置名称：no_think（无推理内容配置），对应数据文件：
- 数据拆分：train（训练集），文件路径：no_think/train-*