vwxyzjn/summarize_from_feedback_oai_preprocessing_1704166566

---
dataset_info:
features:
- name: info
struct:
- name: id
dtype: string
- name: post
dtype: string
- name: title
dtype: string
- name: subreddit
dtype: string
- name: site
dtype: string
- name: article
dtype: string
- name: summaries
list:
- name: text
dtype: string
- name: policy
dtype: string
- name: note
dtype: string
- name: choice
dtype: int32
- name: worker
dtype: string
- name: batch
dtype: string
- name: split
dtype: string
- name: extra
struct:
- name: confidence
dtype: int32
- name: query_token
sequence: int64
- name: query
dtype: string
- name: response0
dtype: string
- name: response0_token
sequence: int64
- name: response0_token_len
dtype: int64
- name: response1
dtype: string
- name: response1_token
sequence: int64
- name: response1_token_len
dtype: int64
- name: response0_policy
dtype: string
- name: response1_policy
dtype: string
- name: policies
dtype: string
- name: query_response0
dtype: string
- name: query_response0_token
sequence: int64
- name: query_response0_token_len
dtype: int64
- name: query_response1
dtype: string
- name: query_response1_token
sequence: int64
- name: query_response1_token_len
dtype: int64
splits:
- name: train
num_bytes: 2145150935
num_examples: 92858
- name: validation
num_bytes: 2005104645
num_examples: 86086
download_size: 285738191
dataset_size: 4150255580
---
# Dataset Card for "summarize_from_feedback_oai_preprocessing_1704166566"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征字段：
- 字段名：info，结构体类型，包含以下子字段：
- id：字符串类型，唯一标识符
- post：字符串类型，帖子内容
- title：字符串类型，标题
- subreddit：字符串类型，Reddit子社区（subreddit）
- site：字符串类型，来源站点
- article：字符串类型，文章正文
- 字段名：summaries，列表类型，列表元素为结构体，包含：
- text：字符串类型，摘要文本
- policy：字符串类型，标注策略
- note：字符串类型，备注信息
- 字段名：choice：int32整数类型
- 字段名：worker：字符串类型，标注人员标识
- 字段名：batch：字符串类型，批次标识
- 字段名：split：字符串类型，数据集划分标识
- 字段名：extra：结构体类型，包含子字段：
- confidence：int32整数类型，标注置信度
- 字段名：query_token：int64整数序列类型，查询Token序列
- 字段名：query：字符串类型，查询文本
- 字段名：response0：字符串类型，回复0文本
- 字段名：response0_token：int64整数序列类型，回复0的Token序列
- 字段名：response0_token_len：int64整数类型，回复0的Token长度
- 字段名：response1：字符串类型，回复1文本
- 字段名：response1_token：int64整数序列类型，回复1的Token序列
- 字段名：response1_token_len：int64整数类型，回复1的Token长度
- 字段名：response0_policy：字符串类型，回复0对应的策略文本
- 字段名：response1_policy：字符串类型，回复1对应的策略文本
- 字段名：policies：字符串类型，策略集合文本
- 字段名：query_response0：字符串类型，查询与回复0的拼接文本
- 字段名：query_response0_token：int64整数序列类型，查询与回复0的Token序列
- 字段名：query_response0_token_len：int64整数类型，查询与回复0的Token长度
- 字段名：query_response1：字符串类型，查询与回复1的拼接文本
- 字段名：query_response1_token：int64整数序列类型，查询与回复1的Token序列
- 字段名：query_response1_token_len：int64整数类型，查询与回复1的Token长度
数据集划分：
- 训练集（train）：字节数2145150935，样本量92858
- 验证集（validation）：字节数2005104645，样本量86086
下载大小：285738191 字节
总数据集大小：4150255580 字节
---
# 「summarize_from_feedback_oai_preprocessing_1704166566」数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

特征

• info
  • id: 字符串
  • post: 字符串
  • title: 字符串
  • subreddit: 字符串
  • site: 字符串
  • article: 字符串
• summaries
  • text: 字符串
  • policy: 字符串
  • note: 字符串
• choice: 整数 (int32)
• worker: 字符串
• batch: 字符串
• split: 字符串
• extra
  • confidence: 整数 (int32)
• query_token: 整数序列 (int64)
• query: 字符串
• response0: 字符串
• response0_token: 整数序列 (int64)
• response0_token_len: 整数 (int64)
• response1: 字符串
• response1_token: 整数序列 (int64)
• response1_token_len: 整数 (int64)
• response0_policy: 字符串
• response1_policy: 字符串
• policies: 字符串
• query_response0: 字符串
• query_response0_token: 整数序列 (int64)
• query_response0_token_len: 整数 (int64)
• query_response1: 字符串
• query_response1_token: 整数序列 (int64)
• query_response1_token_len: 整数 (int64)

数据分割

• train
  • 字节数: 2145150935
  • 样本数: 92858
• validation
  • 字节数: 2005104645
  • 样本数: 86086

数据集大小

• 下载大小: 285738191 字节
• 数据集大小: 4150255580 字节