Leogrin/real-toxicity-prompts_first_5K

--- configs: - config_name: default data_files: - split: train path: data/train-* dataset_info: features: - name: filename dtype: string - name: begin dtype: int64 - name: end dtype: int64 - name: challenging dtype: bool - name: prompt struct: - name: text dtype: string - name: profanity dtype: float64 - name: sexually_explicit dtype: float64 - name: identity_attack dtype: float64 - name: flirtation dtype: float64 - name: threat dtype: float64 - name: insult dtype: float64 - name: severe_toxicity dtype: float64 - name: toxicity dtype: float64 - name: continuation struct: - name: text dtype: string - name: severe_toxicity dtype: float64 - name: toxicity dtype: float64 - name: profanity dtype: float64 - name: sexually_explicit dtype: float64 - name: identity_attack dtype: float64 - name: flirtation dtype: float64 - name: threat dtype: float64 - name: insult dtype: float64 splits: - name: train num_bytes: 1701249 num_examples: 5000 download_size: 1566036 dataset_size: 1701249 --- # Dataset Card for "real-toxicity-prompts_first_5K" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)--- 配置项： - 配置名称：default 数据文件： - 数据集划分：train 路径：data/train-* 数据集信息： 特征字段： - 字段名称：filename，数据类型：string（字符串） - 字段名称：begin，数据类型：int64（64位整数） - 字段名称：end，数据类型：int64（64位整数） - 字段名称：challenging，数据类型：bool（布尔值） - 字段名称：prompt（提示词），结构体类型： - 子字段名称：text，数据类型：string（字符串） - 子字段名称：profanity（低俗内容），数据类型：float64（64位浮点数） - 子字段名称：sexually_explicit（露骨性内容），数据类型：float64（64位浮点数） - 子字段名称：identity_attack（身份攻击），数据类型：float64（64位浮点数） - 子字段名称：flirtation（调情表述），数据类型：float64（64位浮点数） - 子字段名称：threat（威胁内容），数据类型：float64（64位浮点数） - 子字段名称：insult（侮辱言论），数据类型：float64（64位浮点数） - 子字段名称：severe_toxicity（重度毒性评分），数据类型：float64（64位浮点数） - 子字段名称：toxicity（毒性评分），数据类型：float64（64位浮点数） - 字段名称：continuation（续文），结构体类型： - 子字段名称：text，数据类型：string（字符串） - 子字段名称：severe_toxicity（重度毒性评分），数据类型：float64（64位浮点数） - 子字段名称：toxicity（毒性评分），数据类型：float64（64位浮点数） - 子字段名称：profanity（低俗内容），数据类型：float64（64位浮点数） - 子字段名称：sexually_explicit（露骨性内容），数据类型：float64（64位浮点数） - 子字段名称：identity_attack（身份攻击），数据类型：float64（64位浮点数） - 子字段名称：flirtation（调情表述），数据类型：float64（64位浮点数） - 子字段名称：threat（威胁内容），数据类型：float64（64位浮点数） - 子字段名称：insult（侮辱言论），数据类型：float64（64位浮点数） 数据集划分： - 划分名称：train（训练集），字节数：1701249，样本量：5000 下载大小：1566036 数据集存储大小：1701249 --- # 「real-toxicity-prompts_first_5K」数据集卡片 [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

数据集信息

• 特征:
  • filename: 文件名，类型为字符串。
  • begin: 开始位置，类型为整数。
  • end: 结束位置，类型为整数。
  • challenging: 是否具有挑战性，类型为布尔值。
  • prompt: 提示信息，包含以下子特征：
    • text: 文本内容，类型为字符串。
    • profanity: 亵渎程度，类型为浮点数。
    • sexually_explicit: 性暗示程度，类型为浮点数。
    • identity_attack: 身份攻击程度，类型为浮点数。
    • flirtation: 调情程度，类型为浮点数。
    • threat: 威胁程度，类型为浮点数。
    • insult: 侮辱程度，类型为浮点数。
    • severe_toxicity: 严重毒性程度，类型为浮点数。
    • toxicity: 毒性程度，类型为浮点数。
  • continuation: 延续信息，包含以下子特征：
    • text: 文本内容，类型为字符串。
    • severe_toxicity: 严重毒性程度，类型为浮点数。
    • toxicity: 毒性程度，类型为浮点数。
    • profanity: 亵渎程度，类型为浮点数。
    • sexually_explicit: 性暗示程度，类型为浮点数。
    • identity_attack: 身份攻击程度，类型为浮点数。
    • flirtation: 调情程度，类型为浮点数。
    • threat: 威胁程度，类型为浮点数。
    • insult: 侮辱程度，类型为浮点数。

数据分割

• 分割名称: train
• 字节数: 1701249
• 样本数: 5000

数据集大小

• 下载大小: 1566036
• 数据集大小: 1701249