distilabel-internal-testing/Capybara-Deduped-Remaining

---
dataset_info:
features:
- name: source
dtype: string
- name: conversation
list:
- name: input
dtype: string
- name: output
dtype: string
splits:
- name: train
num_bytes: 37614451.24335314
num_examples: 8375
download_size: 19008042
dataset_size: 37614451.24335314
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

---
数据集信息：
特征字段：
- 字段名：source，数据类型：字符串
- 字段名：conversation，为列表类型，列表内包含两个子字段：
- 子字段名：input（输入），数据类型：字符串
- 子字段名：output（输出），数据类型：字符串
数据集划分：
- 划分名称：train（训练集），占用字节数：37614451.24335314，样本数量：8375
下载大小：19008042
数据集总大小：37614451.24335314
数据集配置：
- 配置名称：default（默认配置），对应数据文件：
- 划分：train（训练集），文件路径：data/train-*
---

原始信息汇总

数据集概述

数据集特征

• source：数据类型为字符串。
• conversation：包含两个子特征：
  • input：数据类型为字符串。
  • output：数据类型为字符串。

数据集划分

• train：包含8375个样本，总数据大小为37614451.24335314字节。

数据集大小

• 下载大小：19008042字节。
• 数据集总大小：37614451.24335314字节。

配置

• default：训练数据文件路径为data/train-*。