chansung/synth_summarize_dataset
收藏Hugging Face2024-05-31 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/chansung/synth_summarize_dataset
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: prompt
dtype: string
- name: prompt_id
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: category
dtype: string
- name: generator
dtype: string
- name: seed_prompt
dtype: string
splits:
- name: test
num_bytes: 89079
num_examples: 25
- name: train_sft_gpt4o
num_bytes: 1134293655
num_examples: 288440
- name: train_sft_gemini1_5flash
num_bytes: 1132074791
num_examples: 291145
- name: train_sft_claude3sonnet
num_bytes: 1299831985.5417352
num_examples: 300639
download_size: 573263360
dataset_size: 3566289510.541735
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
- split: train_sft_gpt4o
path: data/train_sft_gpt4o-*
- split: train_sft_gemini1_5flash
path: data/train_sft_gemini1_5flash-*
- split: train_sft_claude3sonnet
path: data/train_sft_claude3sonnet-*
---
数据集信息：
特征字段：
- 名称：提示词（prompt），数据类型：字符串
- 名称：提示词ID（prompt_id），数据类型：字符串
- 名称：对话消息（messages），为列表类型，列表元素包含：
- 名称：内容（content），数据类型：字符串
- 名称：角色（role），数据类型：字符串
- 名称：类别（category），数据类型：字符串
- 名称：生成器（generator），数据类型：字符串
- 名称：种子提示词（seed_prompt），数据类型：字符串
数据集划分：
- 划分名称：测试集（test），字节大小：89079，样本数量：25
- 划分名称：GPT-4o 监督微调训练集（train_sft_gpt4o），字节大小：1134293655，样本数量：288440
- 划分名称：Gemini 1.5 Flash 监督微调训练集（train_sft_gemini1_5flash），字节大小：1132074791，样本数量：291145
- 划分名称：Claude 3 Sonnet 监督微调训练集（train_sft_claude3sonnet），字节大小：1299831985.5417352，样本数量：300639
下载大小：573263360
数据集总大小：3566289510.541735
配置项：
- 配置名称：默认（default），数据文件：
- 对应划分：测试集（test），路径：data/test-*
- 对应划分：GPT-4o 监督微调训练集（train_sft_gpt4o），路径：data/train_sft_gpt4o-*
- 对应划分：Gemini 1.5 Flash 监督微调训练集（train_sft_gemini1_5flash），路径：data/train_sft_gemini1_5flash-*
- 对应划分：Claude 3 Sonnet 监督微调训练集（train_sft_claude3sonnet），路径：data/train_sft_claude3sonnet-*
提供机构：
chansung
原始信息汇总
数据集概述
数据集特征
- prompt: 数据类型为字符串。
- prompt_id: 数据类型为字符串。
- messages: 包含以下子特征：
- content: 数据类型为字符串。
- role: 数据类型为字符串。
- category: 数据类型为字符串。
- generator: 数据类型为字符串。
- seed_prompt: 数据类型为字符串。
数据集分割
- test: 包含25个示例，占用89079字节。
- train_sft_gpt4o: 包含288440个示例，占用1134293655字节。
- train_sft_gemini1_5flash: 包含291145个示例，占用1132074791字节。
- train_sft_claude3sonnet: 包含300639个示例，占用1299831985.5417352字节。
数据集大小
- 下载大小: 573263360字节。
- 数据集总大小: 3566289510.541735字节。
配置文件
- 配置名: default
- 数据文件路径:
- test: data/test-*
- train_sft_gpt4o: data/train_sft_gpt4o-*
- train_sft_gemini1_5flash: data/train_sft_gemini1_5flash-*
- train_sft_claude3sonnet: data/train_sft_claude3sonnet-*
