saepark/explicitMedical-nonmedical-hhrlhf-RMTrainingData-CldMedicalFiltered

---
dataset_info:
features:
- name: prompt
dtype: string
- name: chosen
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rejected
list:
- name: content
dtype: string
- name: role
dtype: string
- name: index
dtype: int64
- name: medical_tier
dtype: string
- name: reasoning_for_medical_tier
dtype: string
- name: medical_classification_full_response
dtype: string
- name: medical_classification_model_id
dtype: string
splits:
- name: train
num_bytes: 23556885
num_examples: 10047
download_size: 11728961
dataset_size: 23556885
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集元信息如下：
#### 特征字段
1. 提示词（prompt）：数据类型为字符串
2. 已选响应（chosen）：列表类型字段，其内部包含两个子特征：`content`（内容，字符串类型）与`role`（角色，字符串类型），指代被选中的优质对话响应序列
3. 拒选响应（rejected）：列表类型字段，内部包含`content`与`role`两个字符串类型子特征，指代被拒选的低质对话响应序列
4. 样本索引（index）：数据类型为64位整型
5. 医疗分级标签（medical_tier）：字符串类型字段，用于标注医疗分级类别
6. 医疗分级推理依据（reasoning_for_medical_tier）：字符串类型字段，记录医疗分级的判定推理过程与依据
7. 医疗分类完整响应（medical_classification_full_response）：字符串类型字段，存储医疗分类任务的完整输出结果
8. 医疗分类模型标识符（medical_classification_model_id）：字符串类型字段，指代用于医疗分类的模型的唯一标识ID

#### 划分集信息
训练集（train）：占用字节数为23556885，共包含10047条样本。
该数据集的总下载大小为11728961，数据集本体大小为23556885。

#### 配置信息
默认配置（default）：其关联训练集的数据文件路径为`data/train-*`。