eswardivi/orca_math_ppl

---
dataset_info:
features:
- name: question
dtype: string
- name: answer
dtype: string
- name: conversations
list:
- name: content
dtype: string
- name: role
dtype: string
- name: ppl
sequence: float64
- name: loss
sequence: float64
- name: ppl_A_direct
dtype: float64
- name: ppl_A_condition
dtype: float64
- name: ifd_ppl
dtype: float64
splits:
- name: train
num_bytes: 18613294
num_examples: 10002
download_size: 7612439
dataset_size: 18613294
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段包含以下项：
1. `question`：问题，数据类型为字符串（string）
2. `answer`：答案，数据类型为字符串（string）
3. `conversations`：对话列表，列表内每个元素包含两个子字段：
- `content`：对话内容，数据类型为字符串（string）
- `role`：对话角色，数据类型为字符串（string）
4. `ppl`：双精度浮点数序列，该指标通常指代困惑度（perplexity，缩写PPL）
5. `loss`：双精度浮点数序列
6. `ppl_A_direct`：数据类型为双精度浮点数（float64）
7. `ppl_A_condition`：数据类型为双精度浮点数（float64）
8. `ifd_ppl`：数据类型为双精度浮点数（float64）
数据集拆分：
- 训练集（train）：占用字节数为18613294，样本总量为10002
整体下载大小为7612439，数据集总占用字节数为18613294
配置项：
- 默认配置（config_name: default）：数据文件对应训练集拆分，存储路径为data/train-*

原始信息汇总

数据集概述

数据集特征

• question: 数据类型为字符串。
• answer: 数据类型为字符串。
• conversations: 包含以下子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• ppl: 数据类型为序列，具体为float64。
• loss: 数据类型为序列，具体为float64。
• ppl_A_direct: 数据类型为float64。
• ppl_A_condition: 数据类型为float64。
• ifd_ppl: 数据类型为float64。

数据集分割

• train:
  • 数据量: 18613294字节
  • 示例数量: 10002

数据集大小

• 下载大小: 7612439字节
• 数据集大小: 18613294字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*