vwxyzjn/ultrachat_200k_filtered_1707919460

---
dataset_info:
features:
- name: prompt
dtype: string
- name: prompt_id
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: query_reference_response
list:
- name: content
dtype: string
- name: role
dtype: string
- name: query_reference_response_token
sequence: int64
- name: query_reference_response_token_len
dtype: int64
- name: query
list:
- name: content
dtype: string
- name: role
dtype: string
- name: query_token
sequence: int64
- name: query_token_len
dtype: int64
- name: reference_response
struct:
- name: content
dtype: string
- name: role
dtype: string
- name: reference_response_token
sequence: int64
- name: reference_response_token_len
dtype: int64
splits:
- name: test_gen
num_bytes: 30484069
num_examples: 1000
- name: test_sft
num_bytes: 39592502
num_examples: 1000
- name: train_gen
num_bytes: 29613744
num_examples: 1000
- name: train_sft
num_bytes: 39521233
num_examples: 1000
download_size: 50859072
dataset_size: 139211548
---
# Args

```python
{'base_model': 'mistralai/Mistral-7B-v0.1',
'check_length_correctness': True,
'debug': True,
'hf_entity': 'vwxyzjn',
'params': TaskQueryHParams(length=3000,
format_str='SUBREDDIT: r/{subreddit}\n'
'\n'
'TITLE: {title}\n'
'\n'
'POST: {post}\n'
'\n'
'TL;DR:',
truncate_field='post',
truncate_text='\n',
padding='pad_token',
pad_token=[32000],
pad_side='left',
max_sft_response_length=1500,
max_sft_query_response_length=4500,
max_rm_response_length=169,
max_rm_query_response_length=638),
'push_to_hub': True}
```

---
数据集信息：
特征字段：
- 字段名：提示词（prompt），数据类型：字符串
- 字段名：提示词ID（prompt_id），数据类型：字符串
- 字段名：消息（messages），列表类型，元素结构：
- 字段名：内容（content），数据类型：字符串
- 字段名：角色（role），数据类型：字符串
- 字段名：查询参考响应（query_reference_response），列表类型，元素结构：
- 字段名：内容（content），数据类型：字符串
- 字段名：角色（role），数据类型：字符串
- 字段名：查询参考响应Token（token），序列类型，元素类型为int64
- 字段名：查询参考响应Token长度，数据类型为int64
- 字段名：查询（query），列表类型，元素结构：
- 字段名：内容（content），数据类型：字符串
- 字段名：角色（role），数据类型：字符串
- 字段名：查询Token（token），序列类型，元素类型为int64
- 字段名：查询Token长度，数据类型为int64
- 字段名：参考响应（reference_response），结构体类型，包含：
- 字段名：内容（content），数据类型：字符串
- 字段名：角色（role），数据类型：字符串
- 字段名：参考响应Token（token），序列类型，元素类型为int64
- 字段名：参考响应Token长度，数据类型为int64
数据集划分：
- 划分名称：test_gen（生成式测试集），字节大小：30484069，样本数量：1000
- 划分名称：test_sft（监督微调测试集），字节大小：39592502，样本数量：1000
- 划分名称：train_gen（生成式训练集），字节大小：29613744，样本数量：1000
- 划分名称：train_sft（监督微调训练集），字节大小：39521233，样本数量：1000
下载总大小：50859072字节，数据集总大小：139211548字节
---
# 参数配置
python
{
'基础模型（base_model）': 'mistralai/Mistral-7B-v0.1',
'检查长度正确性（check_length_correctness）': True,
'调试模式（debug）': True,
'Hugging Face 实体（hf_entity）': 'vwxyzjn',
'参数（params）': {
'任务查询超参数（TaskQueryHParams）': {
'长度（length）': 3000,
'格式化字符串（format_str）': 'SUBREDDIT: r/{subreddit}

TITLE: {title}

POST: {post}

TL;DR:',
'截断字段（truncate_field）': 'post',
'截断文本（truncate_text）': '
',
'填充方式（padding）': 'pad_token',
'填充Token（token）': [32000],
'填充侧（pad_side）': 'left',
'最大监督微调响应长度（max_sft_response_length）': 1500,
'最大监督微调查询响应长度（max_sft_query_response_length）': 4500,
'最大奖励模型响应长度（max_rm_response_length）': 169,
'最大奖励模型查询响应长度（max_rm_query_response_length）': 638
}
},
'推送到Hugging Face Hub（push_to_hub）': True
}

原始信息汇总

数据集概述

特征信息

• prompt: 字符串类型
• prompt_id: 字符串类型
• messages: 列表类型，包含以下字段：
  • content: 字符串类型
  • role: 字符串类型
• query_reference_response: 列表类型，包含以下字段：
  • content: 字符串类型
  • role: 字符串类型
• query_reference_response_token: 整数序列类型
• query_reference_response_token_len: 64位整数类型
• query: 列表类型，包含以下字段：
  • content: 字符串类型
  • role: 字符串类型
• query_token: 整数序列类型
• query_token_len: 64位整数类型
• reference_response: 结构类型，包含以下字段：
  • content: 字符串类型
  • role: 字符串类型
• reference_response_token: 整数序列类型
• reference_response_token_len: 64位整数类型

数据集分割

• test_gen: 30484069字节，1000个样本
• test_sft: 39592502字节，1000个样本
• train_gen: 29613744字节，1000个样本
• train_sft: 39521233字节，1000个样本

数据集大小

• 下载大小: 50859072字节
• 数据集大小: 139211548字节