cornfieldrm/pair-preference-dataset-700K_subset-4-of-4_gemma-2b_1of4_iter1_bs128_lr1e-5_conf-0.7

---
dataset_info:
features:
- name: rejected
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rejected_score
dtype: float64
- name: chosen_score
dtype: float64
- name: chosen
list:
- name: content
dtype: string
- name: role
dtype: string
- name: length
dtype: int64
- name: chosen_prob
dtype: float64
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 488612757.85595006
num_examples: 72056
download_size: 293939599
dataset_size: 488612757.85595006
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征项：
- 字段名：rejected（被拒绝对话组），为列表类型，包含以下子字段：
- content（内容）：数据类型为字符串
- role（角色）：数据类型为字符串
- 字段名：rejected_score（被拒绝得分）：数据类型为64位浮点型（float64）
- 字段名：chosen_score（优选得分）：数据类型为64位浮点型（float64）
- 字段名：chosen（优选对话组），为列表类型，包含以下子字段：
- content（内容）：数据类型为字符串
- role（角色）：数据类型为字符串
- 字段名：length（样本长度）：数据类型为64位整型（int64）
- 字段名：chosen_prob（优选概率）：数据类型为64位浮点型（float64）
- 字段名：messages（对话消息组），为列表类型，包含以下子字段：
- content（内容）：数据类型为字符串
- role（角色）：数据类型为字符串
数据划分：
- 划分名称：train（训练集），占用字节数：488612757.85595006，样本数量：72056
下载大小：293939599，数据集总大小：488612757.85595006
配置项：
- 配置名称：default（默认配置），数据文件配置：
- 数据划分：train（训练集），文件路径：data/train-*