rasdani/cohere-wikipedia-2023-11-no-queries

该数据集是通过distilabel工具生成的，包含一个pipeline.yaml文件，可以用于重现生成数据集的流程。数据集的特征包括_id、url、title、text、score、views、model_name和query。数据集只有一个配置，名为default，可以通过Hugging Face的datasets库加载。

原始信息汇总

数据集概述

数据集基本信息

• 名称: cohere-wikipedia-2023-11-no-queries
• 大小类别: n<1K
• 创建工具: distilabel

数据集特征

• _id: 字符串类型
• url: 字符串类型
• title: 字符串类型
• text: 字符串类型
• score: 浮点数类型
• views: 浮点数类型
• model_name: 字符串类型
• query: 字符串类型

数据集分割

• 训练集:
  • 数据量: 1500个样本
  • 大小: 820541字节

数据集配置

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

数据集加载示例

python from datasets import load_dataset

ds = load_dataset("rasdani/cohere-wikipedia-2023-11-no-queries")

数据集示例结构

json { "_id": "20231101.no_262035_4", "model_name": "gpt-4o", "query": "Hva er eksekutivfunksjoner i nevropsykologi?", "score": 1.0, "text": "Evne til u00e5 strukturere, planlegge, igangsette og kontrollere sammensatte handlinger (eksekutivfunksjoner).", "title": "Nevropsykologi", "url": "https://no.wikipedia.org/wiki/Nevropsykologi", "views": 728.6967671316081 }