dkshjn/processed_distilabel-capybara-dpo-7k-binarized

--- dataset_info: features: - name: source dtype: string - name: conversation list: - name: input dtype: string - name: output dtype: string - name: original_response dtype: string - name: generation_prompt sequence: string - name: raw_generation_responses sequence: string - name: new_generations sequence: string - name: prompt dtype: string - name: chosen list: - name: content dtype: string - name: role dtype: string - name: rejected list: - name: content dtype: string - name: role dtype: string - name: rating_chosen dtype: int64 - name: rating_rejected dtype: int64 - name: chosen_model dtype: string - name: rejected_model dtype: string - name: formatted_chosen list: - name: content dtype: string - name: role dtype: string - name: formatted_rejected list: - name: content dtype: string - name: role dtype: string splits: - name: train num_bytes: 427312337 num_examples: 7563 download_size: 0 dataset_size: 427312337 configs: - config_name: default data_files: - split: train path: data/train-* --- # Dataset Card for "processed_distilabel-capybara-dpo-7k-binarized" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)数据集信息： 特征字段： - 字段名：source，数据类型：字符串 - 字段名：conversation，列表类型，包含： - 字段名：input，数据类型：字符串 - 字段名：output，数据类型：字符串 - 字段名：original_response，数据类型：字符串 - 字段名：generation_prompt，字符串序列类型 - 字段名：raw_generation_responses，字符串序列类型 - 字段名：new_generations，字符串序列类型 - 字段名：prompt，数据类型：字符串 - 字段名：chosen，列表类型，包含： - 字段名：content，数据类型：字符串 - 字段名：role，数据类型：字符串 - 字段名：rejected，列表类型，包含： - 字段名：content，数据类型：字符串 - 字段名：role，数据类型：字符串 - 字段名：rating_chosen，数据类型：64位整数 - 字段名：rating_rejected，数据类型：64位整数 - 字段名：chosen_model，数据类型：字符串 - 字段名：rejected_model，数据类型：字符串 - 字段名：formatted_chosen，列表类型，包含： - 字段名：content，数据类型：字符串 - 字段名：role，数据类型：字符串 - 字段名：formatted_rejected，列表类型，包含： - 字段名：content，数据类型：字符串 - 字段名：role，数据类型：字符串 划分集： - 划分名称：train，字节数：427312337，样本数：7563 下载大小：0 数据集总大小：427312337 配置项： - 配置名称：default，数据文件： - 划分：train，路径：data/train-* # 「processed_distilabel-capybara-dpo-7k-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

数据集信息

• 特征列表:
  • source: 字符串类型
  • conversation: 列表类型，包含 input 和 output，均为字符串类型
  • original_response: 字符串类型
  • generation_prompt: 字符串序列类型
  • raw_generation_responses: 字符串序列类型
  • new_generations: 字符串序列类型
  • prompt: 字符串类型
  • chosen: 列表类型，包含 content 和 role，均为字符串类型
  • rejected: 列表类型，包含 content 和 role，均为字符串类型
  • rating_chosen: 64位整数类型
  • rating_rejected: 64位整数类型
  • chosen_model: 字符串类型
  • rejected_model: 字符串类型
  • formatted_chosen: 列表类型，包含 content 和 role，均为字符串类型
  • formatted_rejected: 列表类型，包含 content 和 role，均为字符串类型

数据集分割

• 训练集:
  • 名称: train
  • 字节数: 427312337
  • 样本数: 7563

数据集大小

• 下载大小: 0
• 数据集大小: 427312337

配置

• 默认配置:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*