Locutusque/InstructMix

InstructiveMix是一个综合性的数据集，汇集了来自不同领域的多种教学内容，包括任务指令、代码、诗歌、数学、文章、医学文本等。该数据集适用于多种自然语言处理任务和研究。数据集的具体内容包括输入和输出字段，涵盖了多个子数据集，如Locutusque/ColumnedChatCombined、TokenBender/code_instructions_120k_alpaca_style等。数据集的总样本数为7,570,315，语言为英语。该数据集可用于文本生成、文本补全、翻译、摘要等多种NLP任务。

InstructiveMix is a comprehensive dataset that aggregates diverse instructional content across various domains, including task instructions, code, poetry, mathematics, articles, medical texts, and more. This dataset is suitable for a wide range of natural language processing (NLP) tasks and research studies. The specific content of the dataset includes input and output fields, and it covers multiple sub-datasets such as Locutusque/ColumnedChatCombined, TokenBender/code_instructions_120k_alpaca_style, and others. The total number of samples in the dataset is 7,570,315, and the dataset is in English. This dataset can be applied to various NLP tasks including text generation, text completion, translation, summarization, and more.

原始信息汇总

数据集概述

数据集名称

• 名称: InstructiveMix
• 标语: A Combined Dataset of Diverse Instructional Content

数据集描述

InstructiveMix是一个综合性的数据集，汇集了来自不同领域的多种教学内容。它包含了任务指导、代码、诗歌、数学、论文、医学文本等多样化的教学数据，适合广泛的NLP任务和研究。

许可证

• 许可证: CC-BY-SA-4.0

数据集创建信息

• 创建日期: 2023-08-02
• 版本: 1.0.0

作者

• 作者: Locutusque
• 联系方式: [e-mail]

任务类别

• text-generation
• conversational
• question-answering

语言

• 语言: English

数据集内容

• 包含的数据集:
  • Locutusque/ColumnedChatCombined
  • TokenBender/code_instructions_120k_alpaca_style
  • Open-Orca/OpenOrca
  • vicgalle/alpaca-gpt4
  • ChristophSchuhmann/essays-with-instructions
  • checkai/instruction-poems
  • pubmed_qa
  • BI55/MedText
  • nampdn-ai/tiny-codes
  • TIGER-Lab/MathInstruct
  • garage-bAInd/Open-Platypus
• 数据结构:
  • Input (string)
  • Output (string)

数据集组成

• 样本数量: 7570315

使用案例

• 适用于各种NLP任务，包括文本生成、文本完成、翻译、总结等。

数据集创建

• 通过结合多个现有的包含教学内容的数据集，并添加元数据以促进无缝集成。内容涵盖多个领域，来源自可靠的数据集和公共资源。

联系方式

• 联系邮箱: [e-mail]