distilabel-internal-testing/SystemChat-1.1-tiny-generations
收藏Hugging Face2024-04-15 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/distilabel-internal-testing/SystemChat-1.1-tiny-generations
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是通过Distilabel工具创建的，包含一个`pipeline.yaml`文件，用于重现生成该数据集的流程。数据集的示例结构展示了生成模型、生成内容以及消息对话的详细信息。数据集的内容涉及数据科学和机器学习领域，展示了如何使用不同的机器学习模型（如随机森林分类器和梯度提升分类器）进行客户流失预测，并计算模型的ROC AUC分数。
该数据集是通过Distilabel工具创建的，包含一个`pipeline.yaml`文件，用于重现生成该数据集的流程。数据集的示例结构展示了生成模型、生成内容以及消息对话的详细信息。数据集的内容涉及数据科学和机器学习领域，展示了如何使用不同的机器学习模型（如随机森林分类器和梯度提升分类器）进行客户流失预测，并计算模型的ROC AUC分数。
提供机构：
distilabel-internal-testing
原始信息汇总
数据集概述
数据集名称
- 名称: SystemChat-1.1-tiny-generations
数据集创建工具
- 创建工具: Distilabel
数据集大小
- 大小: 小于1000条记录（n<1K）
数据集标签
- 标签: synthetic, distilabel, rlaif
数据集配置
- 配置名称: keep_columns
数据集结构
- 结构详情:
- 生成模型: ["01-ai/Yi-34B-Chat", "Nexusflow/Starling-LM-7B-beta", "Qwen/Qwen1.5-14B-Chat"]
- 生成内容: 包含多个模型生成的代码示例，用于计算ROC AUC分数。
- 消息结构: 包含系统消息和用户消息，涉及机器学习模型的使用和评估。
数据集加载方式
- 加载代码: python from datasets import load_dataset ds = load_dataset("distilabel-internal-testing/SystemChat-1.1-tiny-generations", "keep_columns")
