vwxyzjn/summarize_from_feedback_oai_preprocessing_pythia-160m_48

---
dataset_info:
features:
- name: info
struct:
- name: id
dtype: string
- name: post
dtype: string
- name: title
dtype: string
- name: subreddit
dtype: string
- name: site
dtype: string
- name: article
dtype: string
- name: summaries
list:
- name: text
dtype: string
- name: policy
dtype: string
- name: note
dtype: string
- name: choice
dtype: int32
- name: worker
dtype: string
- name: batch
dtype: string
- name: split
dtype: string
- name: extra
struct:
- name: confidence
dtype: int32
- name: query_token
sequence: int64
- name: query
dtype: string
- name: response0
dtype: string
- name: response0_token
sequence: int64
- name: response0_token_len
dtype: int64
- name: response1
dtype: string
- name: response1_token
sequence: int64
- name: response1_token_len
dtype: int64
- name: response0_policy
dtype: string
- name: response1_policy
dtype: string
- name: policies
dtype: string
- name: query_response0
dtype: string
- name: query_response0_token
sequence: int64
- name: query_response0_token_len
dtype: int64
- name: query_response1
dtype: string
- name: query_response1_token
sequence: int64
- name: query_response1_token_len
dtype: int64
splits:
- name: train
num_bytes: 1914904464
num_examples: 92858
- name: validation
num_bytes: 1780140403
num_examples: 86086
download_size: 270579102
dataset_size: 3695044867
---
# Dataset Card for "summarize_from_feedback_oai_preprocessing_pythia-160m_48"

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

数据集信息：
特征项：
- 名称：info，结构体类型，包含：
- 名称：id，数据类型：字符串（string）
- 名称：post，数据类型：字符串（string）
- 名称：title，数据类型：字符串（string）
- 名称：Reddit子版块（subreddit），数据类型：字符串（string）
- 名称：site，数据类型：字符串（string）
- 名称：article，数据类型：字符串（string）
- 名称：summaries，列表类型，列表元素为结构体类型，包含：
- 名称：text，数据类型：字符串（string）
- 名称：策略（policy），数据类型：字符串（string）
- 名称：备注（note），数据类型：字符串（string）
- 名称：选择项（choice），数据类型：32位整数（int32）
- 名称：标注人员（worker），数据类型：字符串（string）
- 名称：批次（batch），数据类型：字符串（string）
- 名称：划分集（split），数据类型：字符串（string）
- 名称：extra，结构体类型，包含：
- 名称：置信度（confidence），数据类型：32位整数（int32）
- 名称：查询Token序列（query_token），数据类型：64位整数序列（sequence: int64）
- 名称：查询语句（query），数据类型：字符串（string）
- 名称：回复0（response0），数据类型：字符串（string）
- 名称：回复0的Token序列（response0_token），数据类型：64位整数序列（sequence: int64）
- 名称：回复0的Token长度（response0_token_len），数据类型：64位整数（int64）
- 名称：回复1（response1），数据类型：字符串（string）
- 名称：回复1的Token序列（response1_token），数据类型：64位整数序列（sequence: int64）
- 名称：回复1的Token长度（response1_token_len），数据类型：64位整数（int64）
- 名称：回复0的策略（response0_policy），数据类型：字符串（string）
- 名称：回复1的策略（response1_policy），数据类型：字符串（string）
- 名称：策略集合（policies），数据类型：字符串（string）
- 名称：查询+回复0（query_response0），数据类型：字符串（string）
- 名称：查询+回复0的Token序列（query_response0_token），数据类型：64位整数序列（sequence: int64）
- 名称：查询+回复0的Token长度（query_response0_token_len），数据类型：64位整数（int64）
- 名称：查询+回复1（query_response1），数据类型：字符串（string）
- 名称：查询+回复1的Token序列（query_response1_token），数据类型：64位整数序列（sequence: int64）
- 名称：查询+回复1的Token长度（query_response1_token_len），数据类型：64位整数（int64）
数据集划分：
- 名称：训练集（train），字节数：1914904464，样本量：92858
- 名称：验证集（validation），字节数：1780140403，样本量：86086
下载总大小：270579102字节，数据集总占用大小：3695044867字节

# 「summarize_from_feedback_oai_preprocessing_pythia-160m_48」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

数据集信息

特征结构

• info: 结构体
  • id: 字符串
  • post: 字符串
  • title: 字符串
  • subreddit: 字符串
  • site: 字符串
  • article: 字符串
• summaries: 列表
  • text: 字符串
  • policy: 字符串
  • note: 字符串
• choice: 整数 (int32)
• worker: 字符串
• batch: 字符串
• split: 字符串
• extra: 结构体
  • confidence: 整数 (int32)
• query_token: 序列 (int64)
• query: 字符串
• response0: 字符串
• response0_token: 序列 (int64)
• response0_token_len: 整数 (int64)
• response1: 字符串
• response1_token: 序列 (int64)
• response1_token_len: 整数 (int64)
• response0_policy: 字符串
• response1_policy: 字符串
• policies: 字符串
• query_response0: 字符串
• query_response0_token: 序列 (int64)
• query_response0_token_len: 整数 (int64)
• query_response1: 字符串
• query_response1_token: 序列 (int64)
• query_response1_token_len: 整数 (int64)

数据分割

• train:
  • 字节数: 1914904464
  • 样本数: 92858
• validation:
  • 字节数: 1780140403
  • 样本数: 86086

数据集大小

• 下载大小: 270579102 字节
• 数据集大小: 3695044867 字节