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-*