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