nthakur/miracl-x-en-raft-sft-instruct-v0.1

---
dataset_info:
features:
- name: id
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: positive_ids
sequence: string
- name: negative_ids
sequence: string
- name: language
dtype: string
splits:
- name: train
num_bytes: 555145256.413433
num_examples: 92938
- name: test
num_bytes: 22399822.586567104
num_examples: 3750
download_size: 320782446
dataset_size: 577545079.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征：
- 名称：id，数据类型：字符串
- 名称：messages，为列表类型，列表元素包含两个子字段：
- 名称：content，数据类型：字符串
- 名称：role，数据类型：字符串
- 名称：positive_ids，数据类型为字符串序列
- 名称：negative_ids，数据类型为字符串序列
- 名称：language，数据类型：字符串
数据集划分：
- 划分名称：train（训练集），字节大小：555145256.413433，样本数量：92938
- 划分名称：test（测试集），字节大小：22399822.586567104，样本数量：3750
下载大小：320782446
总数据集大小：577545079.0
配置集：
- 配置名称：default（默认配置），对应数据文件：
- 划分train（训练集）：数据路径为data/train-*
- 划分test（测试集）：数据路径为data/test-*

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• messages: 列表类型，包含以下子特征：
  • content: 字符串类型
  • role: 字符串类型
• positive_ids: 字符串序列类型
• negative_ids: 字符串序列类型
• language: 字符串类型

数据集分割

• 训练集:
  • 示例数量: 92938
  • 数据大小: 555145256.413433 字节
• 测试集:
  • 示例数量: 3750
  • 数据大小: 22399822.586567104 字节

数据集大小

• 下载大小: 320782446 字节
• 数据集总大小: 577545079.0 字节

数据文件配置

• 默认配置:
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*