chargoddard/commitpack-ft-instruct-rated

该数据集是从Octocode的CommitPackFT派生而来，并通过本地模型对指令-响应对进行了质量分析。数据集主要包含代码相关的指令和响应，且所有条目都应适应4096个标记的上下文窗口。数据集的默认配置中，Ruby、Python和JavaScript是最常见的语言。每个样本都来自具有宽松许可证的代码仓库，许可证信息在样本的`license`字段中提供。

原始信息汇总

数据集概述

数据集配置

配置 adequately_rated

• 特征:
  • id: string
  • rating: struct
    • analysis: string
    • judge: string
    • score: int64
  • language: string
  • license: string
  • instruction: string
  • output: string
  • input: string
• 分割:
  • train:
    • num_bytes: 502380874.99241877
    • num_examples: 231589
• 下载大小: 233165301
• 数据集大小: 502380874.99241877

配置 best_rated

• 特征:
  • id: string
  • rating: struct
    • analysis: string
    • judge: string
    • score: int64
  • language: string
  • license: string
  • instruction: string
  • output: string
  • input: string
• 分割:
  • train:
    • num_bytes: 7807230.779949458
    • num_examples: 3599
• 下载大小: 3443289
• 数据集大小: 7807230.779949458

配置 default

• 特征:
  • id: string
  • rating: struct
    • analysis: string
    • judge: string
    • score: int64
  • language: string
  • license: string
  • instruction: string
  • output: string
  • input: string
• 分割:
  • train:
    • num_bytes: 668703742
    • num_examples: 308261
• 下载大小: 306198304
• 数据集大小: 668703742

配置 ratings_only

• 特征:
  • success: bool
  • score: int64
  • response: string
  • id: string
• 分割:
  • train:
    • num_bytes: 124887856
    • num_examples: 308261
• 下载大小: 58208563
• 数据集大小: 124887856

配置 worst_rated

• 特征:
  • id: string
  • rating: struct
    • analysis: string
    • judge: string
    • score: int64
  • language: string
  • license: string
  • instruction: string
  • output: string
  • input: string
• 分割:
  • train:
    • num_bytes: 10393009.91018001
    • num_examples: 4791
• 下载大小: 4676994
• 数据集大小: 10393009.91018001

数据文件路径

• adequately_rated: adequately_rated/train-*
• best_rated: best_rated/train-*
• default: data/train-*
• ratings_only: ratings_only/train-*
• worst_rated: worst_rated/train-*

语言

• en

标签

• code

大小分类

• 100K<n<1M