allenai-sera-unified-10000

该数据集包含10,000个训练样本，总大小约2.15GB。每个样本包含三个主要字段：1) conversations字段（由content和role组成的对话列表），2) instance_id字段（字符串类型），以及3) source字段（字符串类型）。数据集仅包含训练集，未提供验证集或测试集。数据文件存储路径为data/train-*。未提供关于数据集具体领域、收集目的或应用场景的文本描述。

This dataset contains 10,000 training samples with a total size of approximately 2.15 GB. Each sample comprises three core fields: 1) the `conversations` field, a list of dialogues composed of `content` and `role` entries; 2) the `instance_id` field, which is a string-type value; and 3) the `source` field, another string-type value. This dataset only provides the training split, with no validation or test splits included. The data files are stored under the path `data/train-*`. No textual descriptions regarding the specific domain, collection purpose, or application scenarios of this dataset are provided.

原始信息汇总

数据集概述

基本信息

• 数据集名称: allenai-sera-unified-10000
• 发布者/组织: laion
• 数据集地址: https://huggingface.co/datasets/laion/allenai-sera-unified-10000

数据集结构与内容

• 数据格式: 包含多个字段的结构化数据。
• 主要特征:
  • conversations: 列表类型，包含对话内容。其中每个元素包含：
    • content: 字符串类型，表示对话内容。
    • role: 字符串类型，表示对话角色。
  • instance_id: 字符串类型，表示实例标识符。
  • source: 字符串类型，表示数据来源。
• 数据划分: 仅包含训练集（train）。
  • 训练集样本数量: 10000 条。
  • 训练集数据大小: 约 2112850812.4185362 字节。
• 数据集总大小: 约 2112850812.4185362 字节。
• 下载文件大小: 603304528 字节。

配置与访问

• 默认配置名称: default。
• 数据文件路径: data/train-*。