allenai/preference-datasets-tulu

---
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: source
dtype: string
splits:
- name: helpsteer
num_bytes: 55733744
num_examples: 9270
- name: nectar
num_bytes: 574311573
num_examples: 182902
- name: ultrafeedback_mean_aspects_cleaned
num_bytes: 240729118
num_examples: 60908
- name: ultrafeedback_overall_cleaned
num_bytes: 229339964
num_examples: 58933
- name: shp_2
num_bytes: 9848540246
num_examples: 4324531
- name: orca_dpo_pairs
num_bytes: 43942996
num_examples: 12859
- name: stack_exchange_paired
num_bytes: 19119604576
num_examples: 4999988
- name: anthropic_hh
num_bytes: 515149155
num_examples: 158348
download_size: 17082464423
dataset_size: 30627351372
configs:
- config_name: default
data_files:
- split: helpsteer
path: data/helpsteer-*
- split: nectar
path: data/nectar-*
- split: ultrafeedback_mean_aspects_cleaned
path: data/ultrafeedback_mean_aspects_cleaned-*
- split: ultrafeedback_overall_cleaned
path: data/ultrafeedback_overall_cleaned-*
- split: shp_2
path: data/shp_2-*
- split: orca_dpo_pairs
path: data/orca_dpo_pairs-*
- split: stack_exchange_paired
path: data/stack_exchange_paired-*
- split: anthropic_hh
path: data/anthropic_hh-*
---

数据集基本信息：
特征字段：
- 优选样本（chosen）：列表类型，包含子字段：
- 内容（content）：数据类型为字符串
- 角色（role）：数据类型为字符串
- 拒选样本（rejected）：列表类型，包含子字段：
- 内容（content）：数据类型为字符串
- 角色（role）：数据类型为字符串
- 来源（source）：数据类型为字符串
数据集划分：
- 划分名称：helpsteer，字节数：55733744，样本数量：9270
- 划分名称：nectar，字节数：574311573，样本数量：182902
- 划分名称：ultrafeedback_mean_aspects_cleaned，字节数：240729118，样本数量：60908
- 划分名称：ultrafeedback_overall_cleaned，字节数：229339964，样本数量：58933
- 划分名称：shp_2，字节数：9848540246，样本数量：4324531
- 划分名称：orca_dpo_pairs，字节数：43942996，样本数量：12859
- 划分名称：stack_exchange_paired，字节数：19119604576，样本数量：4999988
- 划分名称：anthropic_hh，字节数：515149155，样本数量：158348
下载总大小：17082464423
数据集总大小：30627351372
配置项：
- 配置名称：default
数据文件：
- 划分：helpsteer，路径：data/helpsteer-*
- 划分：nectar，路径：data/nectar-*
- 划分：ultrafeedback_mean_aspects_cleaned，路径：data/ultrafeedback_mean_aspects_cleaned-*
- 划分：ultrafeedback_overall_cleaned，路径：data/ultrafeedback_overall_cleaned-*
- 划分：shp_2，路径：data/shp_2-*
- 划分：orca_dpo_pairs，路径：data/orca_dpo_pairs-*
- 划分：stack_exchange_paired，路径：data/stack_exchange_paired-*
- 划分：anthropic_hh，路径：data/anthropic_hh-*

原始信息汇总

数据集概述

数据集特征

• chosen
  • content: 数据类型为字符串
  • role: 数据类型为字符串
• rejected
  • content: 数据类型为字符串
  • role: 数据类型为字符串
• source: 数据类型为字符串

数据集分割

• helpsteer
  • 字节数: 55733744
  • 样本数: 9270
• nectar
  • 字节数: 574311573
  • 样本数: 182902
• ultrafeedback_mean_aspects_cleaned
  • 字节数: 240729118
  • 样本数: 60908
• ultrafeedback_overall_cleaned
  • 字节数: 229339964
  • 样本数: 58933
• shp_2
  • 字节数: 9848540246
  • 样本数: 4324531
• orca_dpo_pairs
  • 字节数: 43942996
  • 样本数: 12859
• stack_exchange_paired
  • 字节数: 19119604576
  • 样本数: 4999988
• anthropic_hh
  • 字节数: 515149155
  • 样本数: 158348

数据集大小

• 下载大小: 17082464423 字节
• 数据集大小: 30627351372 字节

配置

• default
  • helpsteer: 路径为 data/helpsteer-*
  • nectar: 路径为 data/nectar-*
  • ultrafeedback_mean_aspects_cleaned: 路径为 data/ultrafeedback_mean_aspects_cleaned-*
  • ultrafeedback_overall_cleaned: 路径为 data/ultrafeedback_overall_cleaned-*
  • shp_2: 路径为 data/shp_2-*
  • orca_dpo_pairs: 路径为 data/orca_dpo_pairs-*
  • stack_exchange_paired: 路径为 data/stack_exchange_paired-*
  • anthropic_hh: 路径为 data/anthropic_hh-*