nar2189/lmsys-half-split-with-eval

---
dataset_info:
features:
- name: conversation_id
dtype: string
- name: model
dtype: string
- name: conversation
list:
- name: content
dtype: string
- name: role
dtype: string
- name: turn
dtype: int64
- name: language
dtype: string
- name: openai_moderation
list:
- name: categories
struct:
- name: harassment
dtype: bool
- name: harassment/threatening
dtype: bool
- name: hate
dtype: bool
- name: hate/threatening
dtype: bool
- name: self-harm
dtype: bool
- name: self-harm/instructions
dtype: bool
- name: self-harm/intent
dtype: bool
- name: sexual
dtype: bool
- name: sexual/minors
dtype: bool
- name: violence
dtype: bool
- name: violence/graphic
dtype: bool
- name: category_scores
struct:
- name: harassment
dtype: float64
- name: harassment/threatening
dtype: float64
- name: hate
dtype: float64
- name: hate/threatening
dtype: float64
- name: self-harm
dtype: float64
- name: self-harm/instructions
dtype: float64
- name: self-harm/intent
dtype: float64
- name: sexual
dtype: float64
- name: sexual/minors
dtype: float64
- name: violence
dtype: float64
- name: violence/graphic
dtype: float64
- name: flagged
dtype: bool
- name: redacted
dtype: bool
splits:
- name: train
num_bytes: 198610868.0639846
num_examples: 125475
- name: eval
num_bytes: 15828720.307948563
num_examples: 10000
download_size: 140437346
dataset_size: 214439588.37193316
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: eval
path: data/eval-*
---

数据集信息：
特征字段：
- 名称：对话ID（conversation_id），数据类型：字符串型（string）
- 名称：模型（model），数据类型：字符串型（string）
- 名称：对话（conversation），数据类型：列表型（list），列表项包含：
- 名称：内容（content），数据类型：字符串型（string）
- 名称：角色（role），数据类型：字符串型（string）
- 名称：对话轮次（turn），数据类型：64位整型（int64）
- 名称：语言（language），数据类型：字符串型（string）
- 名称：OpenAI审核结果（openai_moderation），数据类型：列表型（list），列表项包含：
- 名称：分类类别（categories），数据类型：结构体（struct），结构体字段包括：
- 骚扰（harassment）：布尔型（bool）
- 骚扰/威胁（harassment/threatening）：布尔型（bool）
- 仇恨言论（hate）：布尔型（bool）
- 仇恨/威胁（hate/threatening）：布尔型（bool）
- 自残（self-harm）：布尔型（bool）
- 自残指令（self-harm/instructions）：布尔型（bool）
- 自残意图（self-harm/intent）：布尔型（bool）
- 色情内容（sexual）：布尔型（bool）
- 儿童色情（sexual/minors）：布尔型（bool）
- 暴力内容（violence）：布尔型（bool）
- 具象暴力（violence/graphic）：布尔型（bool）
- 名称：分类得分（category_scores），数据类型：结构体（struct），结构体字段包括：
- 骚扰（harassment）：64位浮点型（float64）
- 骚扰/威胁（harassment/threatening）：64位浮点型（float64）
- 仇恨言论（hate）：64位浮点型（float64）
- 仇恨/威胁（hate/threatening）：64位浮点型（float64）
- 自残（self-harm）：64位浮点型（float64）
- 自残指令（self-harm/instructions）：64位浮点型（float64）
- 自残意图（self-harm/intent）：64位浮点型（float64）
- 色情内容（sexual）：64位浮点型（float64）
- 儿童色情（sexual/minors）：64位浮点型（float64）
- 暴力内容（violence）：64位浮点型（float64）
- 具象暴力（violence/graphic）：64位浮点型（float64）
- 名称：是否标记违规（flagged），数据类型：布尔型（bool）
- 名称：是否已脱敏（redacted），数据类型：布尔型（bool）
数据划分：
- 划分名称：训练集（train），字节数：198610868.0639846，样本数：125475
- 划分名称：验证集（eval），字节数：15828720.307948563，样本数：10000
下载大小：140437346，总数据集大小：214439588.37193316
配置项：
- 配置名称：默认（default），数据文件：
- 训练集（train）对应路径：data/train-*
- 验证集（eval）对应路径：data/eval-*