CAiRE/prosocial-dialog-eng_Latn-vicuna-7b-v1.5

---
dataset_info:
features:
- name: context
dtype: string
- name: response
dtype: string
- name: rots
sequence: string
- name: safety_label
dtype: string
- name: safety_annotations
sequence: string
- name: safety_annotation_reasons
sequence: string
- name: source
dtype: string
- name: etc
dtype: string
- name: dialogue_id
dtype: int64
- name: response_id
dtype: int64
- name: episode_done
dtype: bool
- name: agent_response
dtype: string
splits:
- name: train
num_bytes: 131431012
num_examples: 120236
- name: validation
num_bytes: 22323897
num_examples: 20416
- name: test
num_bytes: 27262502
num_examples: 25029
download_size: 93834515
dataset_size: 181017411
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息（dataset_info）：
特征集合：
- 上下文（context）：字符串类型
- 回复（response）：字符串类型
- rots：字符串序列类型
- 安全标签（safety_label）：字符串类型
- 安全标注集（safety_annotations）：字符串序列类型
- 安全标注原因（safety_annotation_reasons）：字符串序列类型
- 来源（source）：字符串类型
- 附加信息（etc）：字符串类型
- 对话ID（dialogue_id）：64位整型
- 回复ID（response_id）：64位整型
- 回合完成标记（episode_done）：布尔类型
- 智能体回复（agent_response）：字符串类型
数据集划分：
- 训练集（train）：数据体量131431012字节，样本数量120236
- 验证集（validation）：数据体量22323897字节，样本数量20416
- 测试集（test）：数据体量27262502字节，样本数量25029
下载总大小：93834515字节
数据集总存储大小：181017411字节
配置项：
- 配置名称：default
数据文件关联：
- 训练集：对应data/train-*
- 验证集：对应data/validation-*
- 测试集：对应data/test-*

原始信息汇总

数据集概述

数据集特征

• context: 类型为字符串
• response: 类型为字符串
• rots: 序列类型为字符串
• safety_label: 类型为字符串
• safety_annotations: 序列类型为字符串
• safety_annotation_reasons: 序列类型为字符串
• source: 类型为字符串
• etc: 类型为字符串
• dialogue_id: 类型为整数64位
• response_id: 类型为整数64位
• episode_done: 类型为布尔值
• agent_response: 类型为字符串

数据集分割

• train: 字节数为131431012，样本数为120236
• validation: 字节数为22323897，样本数为20416
• test: 字节数为27262502，样本数为25029

数据集大小

• 下载大小: 93834515字节
• 数据集大小: 181017411字节

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*
    • validation: 路径为data/validation-*
    • test: 路径为data/test-*

搜集汇总

背景与挑战

背景概述

CAiRE/prosocial-dialog-eng_Latn-vicuna-7b-v1.5是一个社会伦理对话数据集，包含约166k行英文对话，覆盖种族、性别、暴力等多种社会话题，并标注了安全标签和注释。该数据集旨在训练对话模型以生成亲社会和安全响应，适用于自然语言处理中的伦理对齐研究。