g-ronimo/SlimHermes

SlimHermes数据集包含10,000条最长的对话，这些对话来源于teknium/OpenHermes-2.5数据集。数据集分为训练集（9,000条）和测试集（1,000条）。数据集的生成使用了特定的脚本create_dataset.py。数据集的特征包括类别、来源、消息列表（包含内容和角色）以及平均响应长度。数据集的语言为英语，标签为合成数据，大小类别为1K到10K之间，许可证类型为其他。

The SlimHermes dataset consists of the 10,000 longest conversations sourced from the teknium/OpenHermes-2.5 dataset. It is divided into a training subset with 9,000 samples and a test subset with 1,000 samples. This dataset was generated using the dedicated script create_dataset.py. The key features of the dataset include category, source, message list (containing content and role information), and average response length. The dataset is in English, labeled as synthetic data, with a size category ranging from 1K to 10K, and its license type is 'Other'.

原始信息汇总

数据集概述

数据集基本信息

• 名称: SlimHermes
• 语言: 英语 (en)
• 标签: 合成数据 (synthetic)
• 大小类别: 1K<n<10K
• 许可证: 其他 (other)

数据集特征

• category: 字符串类型
• source: 字符串类型
• messages:
  • content: 字符串类型
  • role: 字符串类型
• average_response_length: 浮点数类型

数据集分割

• 训练集: 9000个样本, 大小为36191395.8字节
• 测试集: 1000个样本, 大小为4021266.2字节

数据集大小

• 下载大小: 18960699字节
• 数据集总大小: 40212662字节

数据文件配置

• 默认配置:
  • 训练数据路径: data/train-*
  • 测试数据路径: data/test-*