vwxyzjn/cai-conversation-prod-h4-harmless

---
configs:
- config_name: default
data_files:
- split: train_sft
path: data/train_sft-*
- split: test_sft
path: data/test_sft-*
- split: train_prefs
path: data/train_prefs-*
- split: test_prefs
path: data/test_prefs-*
dataset_info:
features:
- name: index
dtype: int64
- name: prompt
dtype: string
- name: init_prompt
struct:
- name: content
dtype: string
- name: role
dtype: string
- name: init_response
struct:
- name: content
dtype: string
- name: role
dtype: string
- name: critic_prompt
struct:
- name: content
dtype: string
- name: role
dtype: string
- name: critic_response
struct:
- name: content
dtype: string
- name: role
dtype: string
- name: revision_prompt
struct:
- name: content
dtype: string
- name: role
dtype: string
- name: revision_response
struct:
- name: content
dtype: string
- name: role
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
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_sft
num_bytes: 80509011.39550994
num_examples: 21289
- name: test_sft
num_bytes: 4409523.340505145
num_examples: 1156
- name: train_prefs
num_bytes: 80509011.39550994
num_examples: 21289
- name: test_prefs
num_bytes: 4413337.807062675
num_examples: 1157
download_size: 52332286
dataset_size: 169840883.93858773
---
# Dataset Card for "cai-conversation-prod-h4-harmless"

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

### 配置项
- 配置名称：default
数据文件：
- 数据集划分：train_sft
路径：data/train_sft-*
- 数据集划分：test_sft
路径：data/test_sft-*
- 数据集划分：train_prefs
路径：data/train_prefs-*
- 数据集划分：test_prefs
路径：data/test_prefs-*

### 数据集信息
特征：
- 名称：index
数据类型：int64
- 名称：prompt
数据类型：字符串
- 名称：init_prompt
结构体：
- 名称：content
数据类型：字符串
- 名称：role
数据类型：字符串
- 名称：init_response
结构体：
- 名称：content
数据类型：字符串
- 名称：role
数据类型：字符串
- 名称：critic_prompt
结构体：
- 名称：content
数据类型：字符串
- 名称：role
数据类型：字符串
- 名称：critic_response
结构体：
- 名称：content
数据类型：字符串
- 名称：role
数据类型：字符串
- 名称：revision_prompt
结构体：
- 名称：content
数据类型：字符串
- 名称：role
数据类型：字符串
- 名称：revision_response
结构体：
- 名称：content
数据类型：字符串
- 名称：role
数据类型：字符串
- 名称：messages
列表：
- 名称：content
数据类型：字符串
- 名称：role
数据类型：字符串
- 名称：chosen
列表：
- 名称：content
数据类型：字符串
- 名称：role
数据类型：字符串
- 名称：rejected
列表：
- 名称：content
数据类型：字符串
- 名称：role
数据类型：字符串

数据集划分详情：
- 划分名称：train_sft
字节大小：80509011.39550994
样本数量：21289
- 划分名称：test_sft
字节大小：4409523.340505145
样本数量：1156
- 划分名称：train_prefs
字节大小：80509011.39550994
样本数量：21289
- 划分名称：test_prefs
字节大小：4413337.807062675
样本数量：1157

下载大小：52332286
数据集总大小：169840883.93858773

---

# 「cai-conversation-prod-h4-harmless」数据集卡片

[需补充更多信息](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

数据集配置

• 默认配置：
  • 数据文件：
    • train_sft：路径为 data/train_sft-*
    • test_sft：路径为 data/test_sft-*
    • train_prefs：路径为 data/train_prefs-*
    • test_prefs：路径为 data/test_prefs-*

数据集信息

• 特征：
  • index：类型为 int64
  • prompt：类型为 string
  • init_prompt：结构包含 content（类型为 string）和 role（类型为 string）
  • init_response：结构包含 content（类型为 string）和 role（类型为 string）
  • critic_prompt：结构包含 content（类型为 string）和 role（类型为 string）
  • critic_response：结构包含 content（类型为 string）和 role（类型为 string）
  • revision_prompt：结构包含 content（类型为 string）和 role（类型为 string）
  • revision_response：结构包含 content（类型为 string）和 role（类型为 string）
  • messages：列表包含 content（类型为 string）和 role（类型为 string）
  • chosen：列表包含 content（类型为 string）和 role（类型为 string）
  • rejected：列表包含 content（类型为 string）和 role（类型为 string）

数据集拆分

• 拆分信息：
  • train_sft：字节数为 80509011.39550994，样本数为 21289
  • test_sft：字节数为 4409523.340505145，样本数为 1156
  • train_prefs：字节数为 80509011.39550994，样本数为 21289
  • test_prefs：字节数为 4413337.807062675，样本数为 1157

数据集大小

• 下载大小：52332286 字节
• 数据集大小：169840883.93858773 字节