jan-hq/distilabel_dpo_pairs_binarized

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: chosen
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rejected
list:
- name: content
dtype: string
- name: role
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 65974024
num_examples: 12216
- name: test
num_bytes: 3714274
num_examples: 643
download_size: 36070342
dataset_size: 69688298
---
# Dataset Card for "distilabel_dpo_pairs_binarized"

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

### 配置项
- 配置名称：default
数据文件：
- 拆分集：训练集（train），数据路径：`data/train-*`
- 拆分集：测试集（test），数据路径：`data/test-*`

### 数据集信息
#### 特征字段
1. **选中回复（chosen）**：列表类型，包含两个子字段：
- `content`：字符串类型，存储对话内容
- `role`：字符串类型，存储对话角色
2. **拒选回复（rejected）**：列表类型，包含两个子字段：
- `content`：字符串类型，存储被拒选的对话内容
- `role`：字符串类型，存储对应对话角色
3. **原始对话消息（messages）**：列表类型，包含两个子字段：
- `content`：字符串类型，存储对话内容
- `role`：字符串类型，存储对应对话角色

#### 数据拆分
- 训练集（train）：数据字节数65,974,024，样本总量12,216
- 测试集（test）：数据字节数3,714,274，样本总量643

下载总大小：36,070,342字节
数据集总大小：69,688,298字节

---
# 「distilabel_dpo_pairs_binarized」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

数据集配置

• 配置名称: default
• 数据文件:
  • 训练集: data/train-*
  • 测试集: data/test-*

数据集信息

• 特征:

  • chosen:
    • content: 字符串类型
    • role: 字符串类型
  • rejected:
    • content: 字符串类型
    • role: 字符串类型
  • messages:
    • content: 字符串类型
    • role: 字符串类型

• 拆分:

  • 训练集:
    • 字节数: 65974024
    • 样本数: 12216
  • 测试集:
    • 字节数: 3714274
    • 样本数: 643

• 下载大小: 36070342 字节

• 数据集大小: 69688298 字节