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