thavens/ultrachat_7500_chars

---
license: apache-2.0
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-*
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: 1397024949.0507782
num_examples: 207860
- name: test_sft
num_bytes: 154695659.0
num_examples: 23110
- name: train_gen
num_bytes: 1347375761.556118
num_examples: 256028
- name: test_gen
num_bytes: 148276089.0
num_examples: 28304
download_size: 1625328258
dataset_size: 3047372458.6068964
---

许可证：Apache-2.0开源许可证
配置项：
- 配置名称：default（默认配置）
数据文件：
- 数据划分：训练监督微调（train_sft），路径：data/train_sft-*
- 数据划分：测试监督微调（test_sft），路径：data/test_sft-*
- 数据划分：训练生成（train_gen），路径：data/train_gen-*
- 数据划分：测试生成（test_gen），路径：data/test_gen-*
数据集信息：
特征字段：
- 字段名：提示词（prompt），数据类型：字符串
- 字段名：提示词ID（prompt_id），数据类型：字符串
- 字段名：对话消息（messages），数据类型为列表，列表内元素包含：
- 字段名：消息内容（content），数据类型：字符串
- 字段名：消息角色（role），数据类型：字符串
数据拆分详情：
- 划分名称：训练监督微调（train_sft），数据字节数：1397024949.0507782，样本总量：207860
- 划分名称：测试监督微调（test_sft），数据字节数：154695659.0，样本总量：23110
- 划分名称：训练生成（train_gen），数据字节数：1347375761.556118，样本总量：256028
- 划分名称：测试生成（test_gen），数据字节数：148276089.0，样本总量：28304
下载总大小：1625328258 字节
数据集总大小：3047372458.6068964 字节

原始信息汇总

数据集概述

许可证

• Apache 2.0

配置

• 默认配置
  • 数据文件路径：
    • train_sft: data/train_sft-*
    • test_sft: data/test_sft-*
    • train_gen: data/train_gen-*
    • test_gen: data/test_gen-*

数据集信息

• 特征：

  • prompt: 字符串类型
  • prompt_id: 字符串类型
  • messages: 列表类型
    • content: 字符串类型
    • role: 字符串类型

• 数据分割：

  • train_sft:
    • 字节数: 1397024949.0507782
    • 样本数: 207860
  • test_sft:
    • 字节数: 154695659.0
    • 样本数: 23110
  • train_gen:
    • 字节数: 1347375761.556118
    • 样本数: 256028
  • test_gen:
    • 字节数: 148276089.0
    • 样本数: 28304

• 下载大小: 1625328258 字节

• 数据集大小: 3047372458.6068964 字节