davanstrien/aya_dpo2

该数据集包含两个配置：default和text_generation，每个配置都有特定的特征和训练集。数据集的特征包括instruction、targets、language、language_code、annotation_type、user_id、zephyr-response、generation_model和generation。数据集的结构和加载方式通过代码示例进行了说明。此外，数据集是通过distilabel工具生成的，并提供了相关的命令行操作。

原始信息汇总

数据集概述

基本信息

• 数据集大小: 小于1K个样本
• 配置名称: 默认 (default) 和 text_generation

特征信息

• 默认配置 (default):

  • 特征:
    • instruction: 字符串类型
    • targets: 字符串类型
    • language: 字符串类型
    • language_code: 字符串类型
    • annotation_type: 字符串类型
    • user_id: 字符串类型
    • zephyr-response: 字符串类型
    • generation_model: 字符串类型
    • generation: 字符串类型
  • 数据分割:
    • 训练集: 60个样本，大小为114839字节
  • 下载大小: 80401字节
  • 数据集总大小: 114839字节

• text_generation 配置:

  • 特征:
    • instruction: 字符串类型
    • targets: 字符串类型
    • language: 字符串类型
    • language_code: 字符串类型
    • annotation_type: 字符串类型
    • user_id: 字符串类型
    • zephyr-response: 字符串类型
    • generation_model: 字符串类型
    • generation: 字符串类型
  • 数据分割:
    • 训练集: 100个样本，大小为192711字节
  • 下载大小: 128979字节
  • 数据集总大小: 192711字节

数据加载

• 默认配置加载: python from datasets import load_dataset ds = load_dataset("davanstrien/aya_dpo2")

标签

• 合成数据 (synthetic)
• 自动标注 (distilabel)
• RLAIF (rlaif)