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