IndonesiaAI/dpo-dataset

---
dataset_info:
features:
- name: qid
dtype: string
- name: chosen
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rejected
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 14256438583.53102
num_examples: 3798835
- name: test
num_bytes: 1584049565.4689815
num_examples: 422093
download_size: 8864292488
dataset_size: 15840488149.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征：
- 名称：qid
数据类型：字符串
- 名称：chosen
类型：列表
子特征：
- 名称：content
数据类型：字符串
- 名称：role
数据类型：字符串
- 名称：rejected
类型：列表
子特征：
- 名称：content
数据类型：字符串
- 名称：role
数据类型：字符串
数据划分：
- 名称：train
字节占用量：14256438583.53102
样本数量：3798835
- 名称：test
字节占用量：1584049565.4689815
样本数量：422093
下载大小：8864292488
数据集总大小：15840488149.0
配置项：
- 配置名称：default
数据文件：
- 划分：train
路径：data/train-*
- 划分：test
路径：data/test-*

原始信息汇总

数据集概述

数据集信息

特征

• qid: 数据类型为字符串。
• chosen: 包含以下子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• rejected: 包含以下子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。

数据分割

• train: 包含3798835个样本，大小为14256438583.53102字节。
• test: 包含422093个样本，大小为1584049565.4689815字节。

数据集大小

• 下载大小: 8864292488字节。
• 数据集大小: 15840488149.0字节。

配置

• default: 包含以下数据文件：
  • train: 路径为data/train-*。
  • test: 路径为data/test-*。