pkarypis/ultrachat_filtered_0.5

---
dataset_info:
features:
- name: prompt
dtype: string
- name: prompt_id
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: test_gen
num_bytes: 148276089
num_examples: 28304
- name: test_sft
num_bytes: 154695659
num_examples: 23110
- name: train_gen
num_bytes: 1347396812
num_examples: 256032
- name: train_sft
num_bytes: 698525916.5050778
num_examples: 103932
download_size: 1221505031
dataset_size: 2348894476.505078
---
# Dataset Card for "ultrachat_filtered_0.5"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
## 特征字段
- 提示词（prompt）：数据类型为字符串（string）
- 提示词ID（prompt_id）：数据类型为字符串（string）
- 对话消息列表（messages）：为列表类型，列表元素包含以下子字段：
- 消息内容（content）：数据类型为字符串（string）
- 角色（role）：数据类型为字符串（string）

## 数据拆分
该数据集包含以下4个拆分子集：
1. 生成式测试集（test_gen）：字节大小为148276089，样本数量为28304
2. 监督微调测试集（test_sft）：字节大小为154695659，样本数量为23110
3. 生成式训练集（train_gen）：字节大小为1347396812，样本数量为256032
4. 监督微调训练集（train_sft）：字节大小为698525916.5050778，样本数量为103932

整体统计参数：
- 下载总大小：1221505031
- 数据集总存储大小：2348894476.505078

---
# 「ultrachat_filtered_0.5」数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

ultrachat_filtered_0.5

数据集特征

• prompt: 数据类型为字符串。
• prompt_id: 数据类型为字符串。
• messages: 列表类型，包含以下字段：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。

数据集分割

• test_gen:
  • 字节数: 148276089
  • 样本数: 28304
• test_sft:
  • 字节数: 154695659
  • 样本数: 23110
• train_gen:
  • 字节数: 1347396812
  • 样本数: 256032
• train_sft:
  • 字节数: 698525916.5050778
  • 样本数: 103932

数据集大小

• 下载大小: 1221505031 字节
• 数据集大小: 2348894476.505078 字节