multilingual/orca_dpo_pairs

该数据集是一个多语言数据集，包含阿拉伯语、中文、法语、德语、俄语、西班牙语和土耳其语的训练数据。数据集的特征包括mllm_index、system、question、chosen和rejected，数据类型均为字符串。数据集的任务类别为文本生成，标签包括mllm、multilingual、rlhf和dpo。许可证为Apache-2.0。This is a multilingual dataset comprising training data in Arabic, Chinese, French, German, Russian, Spanish and Turkish. The features of the dataset include mllm_index, system, question, chosen and rejected, all of which are of string data type. The task category of the dataset is text generation, with labels including mllm, multilingual, rlhf and dpo. The license for this dataset is Apache-2.0.

原始信息汇总

数据集概述

数据集特征

• mllm_index: 数据类型为字符串
• system: 数据类型为字符串
• question: 数据类型为字符串
• chosen: 数据类型为字符串
• rejected: 数据类型为字符串

数据集分割

• de_train: 11687个样本，占用38060434字节
• ar_train: 3402个样本，占用14211631字节
• zh_train: 11687个样本，占用29021389字节
• es_train: 11687个样本，占用36064831字节
• fr_train: 11104个样本，占用36580202字节
• ru_train: 11687个样本，占用59694973字节
• tr_train: 3402个样本，占用14211631字节

数据集大小

• 下载大小: 117157771字节
• 数据集大小: 227845091字节

配置

• 默认配置包含所有分割的数据文件路径

任务类别

• 文本生成

支持的语言

• 阿拉伯语
• 中文
• 德语
• 法语
• 西班牙语
• 土耳其语
• 俄语

标签

• mllm
• 多语言
• rlhf
• dpo

许可证

• Apache-2.0