GENIAC-Team-Ozaki/oasst2-33k-ja_reformatted

该数据集包含会话信息、指令和输出，适用于训练和评估自然语言处理模型。会话信息中包括对话内容和角色信息，可以帮助模型理解对话的上下文和参与者。数据集分为训练集，共有21560个示例，遵循apache-2.0许可。

The dataset includes conversation information, instructions, and outputs, suitable for training and evaluating natural language processing models. The conversation information includes the content of the dialogue and the role information, which can help the model understand the context and participants of the conversation. The dataset is divided into a training set with a total of 21,560 examples and is licensed under Apache-2.0.

原始信息汇总

数据集概述

数据集特征

• conversations
  • content：数据类型为字符串。
  • role：数据类型为字符串。
• instruction：数据类型为字符串。
• output：数据类型为字符串。
• index_level_0：数据类型为int64。

数据集分割

• train
  • num_bytes：105379410字节。
  • num_examples：21560个样本。

数据集大小

• download_size：33514645字节。
• dataset_size：105379410字节。

配置

• config_name：default
  • data_files
    • split：train
      • path：data/train-*