vietgpt/WizardLM_evol_instruct_V2_196k

---
dataset_info:
features:
- name: idx
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train_4096
num_bytes: 336887141.02772725
num_examples: 142745
- name: train_2048
num_bytes: 326970157.8297273
num_examples: 138543
- name: train_1024
num_bytes: 256477446.94418183
num_examples: 108674
download_size: 405629113
dataset_size: 920334745.8016363
configs:
- config_name: default
data_files:
- split: train_4096
path: data/train_4096-*
- split: train_2048
path: data/train_2048-*
- split: train_1024
path: data/train_1024-*
---
# Dataset Card for "WizardLM_evol_instruct_V2_196k"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
## 数据集信息（dataset_info）
### 特征字段（features）
1. 字段名：`idx`，数据类型：字符串（string）
2. 字段名：`messages`，为列表类型，包含两个子字段：
- 子字段名：`content`，数据类型：字符串（string）
- 子字段名：`role`，数据类型：字符串（string）
### 数据划分（splits）
1. 划分名称：`train_4096`，数据字节数：336887141.02772725，样本数量：142745
2. 划分名称：`train_2048`，数据字节数：326970157.8297273，样本数量：138543
3. 划分名称：`train_1024`，数据字节数：256477446.94418183，样本数量：108674
### 全局参数
下载总大小：405629113，数据集总占用字节数：920334745.8016363
## 配置项（configs）
默认配置对应的数据文件路径如下：
- 对应数据划分`train_4096`：文件路径为`data/train_4096-*`
- 对应数据划分`train_2048`：文件路径为`data/train_2048-*`
- 对应数据划分`train_1024`：文件路径为`data/train_1024-*`
---

# 「WizardLM_evol_instruct_V2_196k」数据集卡片
【需补充更多信息】（详见：https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards）

原始信息汇总

数据集概述

数据集信息

• 特征:
  • idx: 类型为字符串
  • messages: 列表类型，包含以下子特征:
    • content: 类型为字符串
    • role: 类型为字符串

数据分割

• train_4096:
  • 字节数: 336887141.02772725
  • 样本数: 142745
• train_2048:
  • 字节数: 326970157.8297273
  • 样本数: 138543
• train_1024:
  • 字节数: 256477446.94418183
  • 样本数: 108674

数据集大小

• 下载大小: 405629113 字节
• 数据集大小: 920334745.8016363 字节

配置

• 默认配置:
  • 数据文件:
    • train_4096: 路径为 data/train_4096-*
    • train_2048: 路径为 data/train_2048-*
    • train_1024: 路径为 data/train_1024-*

搜集汇总

背景与挑战

背景概述

该数据集是一个大规模指令微调数据集，包含约39万条文本对话对，用于训练和评估AI模型。数据涵盖编程、数学、写作、推理等多种复杂任务，具有高质量的对话结构，旨在提升模型遵循复杂指令和解决多样化问题的能力。