Crystalcareai/Self-Discover-MM-Instruct-openai

---
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: train_sft
num_bytes: 51628393.10650887
num_examples: 9311
- name: test_sft
num_bytes: 2722536.8934911243
num_examples: 491
- name: train_gen
num_bytes: 18154020
num_examples: 9311
- name: test_gen
num_bytes: 967510
num_examples: 491
download_size: 39826465
dataset_size: 73472460.0
configs:
- config_name: default
data_files:
- split: train_sft
path: data/train_sft-*
- split: test_sft
path: data/test_sft-*
- split: train_gen
path: data/train_gen-*
- split: test_gen
path: data/test_gen-*
---

数据集信息：
## 特征
1. 提示词（prompt）：数据类型为字符串
2. 提示词ID（prompt_id）：数据类型为字符串
3. 对话消息列表（messages）：数据类型为列表，列表内元素包含如下字段：
- 消息内容（content）：数据类型为字符串
- 消息角色（role）：数据类型为字符串
## 数据划分
- 监督微调训练集（train_sft）：字节数为51628393.10650887，样本量为9311
- 监督微调测试集（test_sft）：字节数为2722536.8934911243，样本量为491
- 生成式训练集（train_gen）：字节数为18154020，样本量为9311
- 生成式测试集（test_gen）：字节数为967510，样本量为491
总下载大小：39826465
数据集总存储大小：73472460.0
## 配置项
- 默认配置（default）：对应数据文件路径如下：
- 监督微调训练集（train_sft）：data/train_sft-*
- 监督微调测试集（test_sft）：data/test_sft-*
- 生成式训练集（train_gen）：data/train_gen-*
- 生成式测试集（test_gen）：data/test_gen-*

原始信息汇总

数据集概述

数据特征

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

数据分割

• train_sft: 包含9311个样本，大小为51628393.10650887字节。
• test_sft: 包含491个样本，大小为2722536.8934911243字节。
• train_gen: 包含9311个样本，大小为18154020字节。
• test_gen: 包含491个样本，大小为967510字节。

数据集大小

• 下载大小: 39826465字节。
• 数据集大小: 73472460.0字节。

配置

• config_name: default
  • data_files:
    • train_sft: 路径为data/train_sft-*
    • test_sft: 路径为data/test_sft-*
    • train_gen: 路径为data/train_gen-*
    • test_gen: 路径为data/test_gen-*