rasdani/cohere-wikipedia-2023-11-cs-queries

该数据集是通过distilabel工具生成的，包含了一个`pipeline.yaml`文件，用于复现生成数据集的流程。数据集的特征包括`_id`、`url`、`title`、`text`、`score`、`views`、`model_name`和`query`。数据集的结构以JSON格式展示，包含了一个默认配置的示例。

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称: cohere-wikipedia-2023-11-cs-queries
• 数据集大小: 小于1K条记录
• 创建工具: Distilabel

数据集特征

• _id: 字符串类型
• url: 字符串类型
• title: 字符串类型
• text: 字符串类型
• score: 浮点数类型
• views: 浮点数类型
• model_name: 字符串类型
• query: 字符串类型

数据集分割

• 训练集:
  • 记录数: 1500
  • 大小: 903807字节

数据集配置

• 配置名称: default
• 数据文件路径: data/train-*

数据集加载示例

python from datasets import load_dataset

ds = load_dataset("rasdani/cohere-wikipedia-2023-11-cs-queries")

数据集示例结构

json { "_id": "20231101.cs_19_9", "model_name": "gpt-4o", "query": "Kdo objevil rentgenové záření a kdy k tomu došlo?", "score": 1.0, "text": "Roku 1895 Wilhelm Conrad Röntgen objevuje „paprsky X“ (rentgenové záření), o rok později Henri Becquerel objevuje radioaktivitu, o další rok později Joseph John Thomson objevuje elektron. Pierre Curie a Marie Curie-Skłodowská studují jáchymovské radium. Vzniká tak jaderná fyzika.", "title": "Fyzika", "url": "https://cs.wikipedia.org/wiki/Fyzika", "views": 4458.917356449113 }