vwxyzjn/ultrachat_200k_filtered_1710165106

该数据集包含多个特征，如prompt、prompt_id、messages、query等，每个特征都有其特定的数据类型。数据集分为train_sft和test_sft两个部分，分别包含403和408个示例。数据集的下载大小为4684099字节，总大小为23567246.452字节。配置部分描述了数据文件的路径和默认配置。

原始信息汇总

数据集概述

数据集特征

• 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
• query：列表类型，包含
  • content：字符串类型
  • role：字符串类型
• query_token：整数序列类型
• query_reference_response：列表类型，包含
  • content：字符串类型
  • role：字符串类型
• query_reference_response_token：整数序列类型
• query_reference_response_token_len：整数类型
• query_token_len：整数类型
• reference_response：结构类型，包含
  • content：字符串类型
  • role：字符串类型
• reference_response_token：整数序列类型
• reference_response_token_len：整数类型

数据集分割

• train_sft：
  • 数据量：11729352.076字节
  • 示例数：403
• test_sft：
  • 数据量：11837894.376字节
  • 示例数：408

数据集大小

• 下载大小：4684099字节
• 数据集总大小：23567246.452字节

配置文件

• config_name: default
• data_files:
  • split: train_sft, path: data/train_sft-*
  • split: test_sft, path: data/test_sft-*