HuggingFaceH4/deita-6k-v0-sft

--- 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: 282384543.6 num_examples: 5700 - name: test_sft num_bytes: 14862344.4 num_examples: 300 - name: train_gen num_bytes: 276218301 num_examples: 5700 - name: test_gen num_bytes: 13232842 num_examples: 300 download_size: 232332840 dataset_size: 586698031.0 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-* ---数据集信息： 特征字段： - 名称：提示词（prompt），数据类型：字符串类型 - 名称：提示词ID（prompt_id），数据类型：字符串类型 - 名称：对话消息（messages），数据类型为列表，列表元素包含： - 名称：内容（content），数据类型：字符串类型 - 名称：角色（role），数据类型：字符串类型 数据集划分： - 划分名称：监督微调训练集（train_sft），字节占用量：282384543.6，样本总数：5700 - 划分名称：监督微调测试集（test_sft），字节占用量：14862344.4，样本总数：300 - 划分名称：生成式训练集（train_gen），字节占用量：276218301，样本总数：5700 - 划分名称：生成式测试集（test_gen），字节占用量：13232842，样本总数：300 下载总大小：232332840，数据集总占用大小：586698031.0 配置项： - 配置名称：默认配置（default），数据文件配置： - 对应划分：train_sft，文件路径：data/train_sft-* - 对应划分：test_sft，文件路径：data/test_sft-* - 对应划分：train_gen，文件路径：data/train_gen-* - 对应划分：test_gen，文件路径：data/test_gen-*

原始信息汇总

数据集概述

数据集特征

• 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

数据集分割

• train_sft:
  • 字节数: 282384543.6
  • 样本数: 5700
• test_sft:
  • 字节数: 14862344.4
  • 样本数: 300
• train_gen:
  • 字节数: 276218301
  • 样本数: 5700
• test_gen:
  • 字节数: 13232842
  • 样本数: 300

数据集大小

• 下载大小: 232332840 字节
• 数据集大小: 586698031.0 字节

配置

• default 配置:
  • train_sft: data/train_sft-*
  • test_sft: data/test_sft-*
  • train_gen: data/train_gen-*
  • test_gen: data/test_gen-*