vwxyzjn/summarize_from_feedback_oai_preprocessing_1704169778

---
dataset_info:
features:
- name: info
struct:
- name: id
dtype: string
- name: post
dtype: string
- name: title
dtype: string
- name: subreddit
dtype: string
- name: site
dtype: string
- name: article
dtype: string
- name: summaries
list:
- name: text
dtype: string
- name: policy
dtype: string
- name: note
dtype: string
- name: choice
dtype: int32
- name: worker
dtype: string
- name: batch
dtype: string
- name: split
dtype: string
- name: extra
struct:
- name: confidence
dtype: int32
- name: query_token
sequence: int64
- name: query
dtype: string
- name: response0
dtype: string
- name: response0_token
sequence: int64
- name: response0_token_len
dtype: int64
- name: response1
dtype: string
- name: response1_token
sequence: int64
- name: response1_token_len
dtype: int64
- name: response0_policy
dtype: string
- name: response1_policy
dtype: string
- name: policies
dtype: string
- name: query_response0
dtype: string
- name: query_response0_token
sequence: int64
- name: query_response0_token_len
dtype: int64
- name: query_response1
dtype: string
- name: query_response1_token
sequence: int64
- name: query_response1_token_len
dtype: int64
splits:
- name: train
num_bytes: 1914904595
num_examples: 92858
- name: validation
num_bytes: 1780140675
num_examples: 86086
download_size: 270613778
dataset_size: 3695045270
---
# Dataset Card for "summarize_from_feedback_oai_preprocessing_1704169778"

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

数据集信息：
特征字段：
- 字段名：info，属于结构化类型，包含以下子字段：
- 子字段名：id，数据类型：string
- 子字段名：post，数据类型：string
- 子字段名：title，数据类型：string
- 子字段名：Reddit子版块（subreddit），数据类型：string
- 子字段名：site，数据类型：string
- 子字段名：article，数据类型：string
- 字段名：summaries，为列表类型，列表元素采用结构化类型，包含：
- 子字段名：text，数据类型：string
- 子字段名：policy，数据类型：string
- 子字段名：note，数据类型：string
- 字段名：choice（选择项），数据类型：int32
- 字段名：worker（标注人员），数据类型：string
- 字段名：batch（批次），数据类型：string
- 字段名：split（划分集），数据类型：string
- 字段名：extra，属于结构化类型，包含子字段：
- 子字段名：confidence，数据类型：int32
- 字段名：query_token，为int64类型的Token序列
- 字段名：query，数据类型：string
- 字段名：response0，数据类型：string
- 字段名：response0_token，为int64类型的Token序列
- 字段名：response0_token_len，数据类型：int64
- 字段名：response1，数据类型：string
- 字段名：response1_token，为int64类型的Token序列
- 字段名：response1_token_len，数据类型：int64
- 字段名：response0_policy，数据类型：string
- 字段名：response1_policy，数据类型：string
- 字段名：policies，数据类型：string
- 字段名：query_response0，数据类型：string
- 字段名：query_response0_token，为int64类型的Token序列
- 字段名：query_response0_token_len，数据类型：int64
- 字段名：query_response1，数据类型：string
- 字段名：query_response1_token，为int64类型的Token序列
- 字段名：query_response1_token_len，数据类型：int64
数据集划分：
- 划分集名称：训练集（train），数据字节数：1914904595，样本数量：92858
- 划分集名称：验证集（validation），数据字节数：1780140675，样本数量：86086
下载大小：270613778 字节
数据集总大小：3695045270 字节

# 名为"summarize_from_feedback_oai_preprocessing_1704169778"的数据集卡片

[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

数据集信息

特征结构

• info: 包含以下字段
  • id: 数据类型为字符串
  • post: 数据类型为字符串
  • title: 数据类型为字符串
  • subreddit: 数据类型为字符串
  • site: 数据类型为字符串
  • article: 数据类型为字符串
• summaries: 包含以下字段
  • text: 数据类型为字符串
  • policy: 数据类型为字符串
  • note: 数据类型为字符串
• choice: 数据类型为整数32位
• worker: 数据类型为字符串
• batch: 数据类型为字符串
• split: 数据类型为字符串
• extra: 包含以下字段
  • confidence: 数据类型为整数32位
• query_token: 数据类型为整数64位序列
• query: 数据类型为字符串
• response0: 数据类型为字符串
• response0_token: 数据类型为整数64位序列
• response0_token_len: 数据类型为整数64位
• response1: 数据类型为字符串
• response1_token: 数据类型为整数64位序列
• response1_token_len: 数据类型为整数64位
• response0_policy: 数据类型为字符串
• response1_policy: 数据类型为字符串
• policies: 数据类型为字符串
• query_response0: 数据类型为字符串
• query_response0_token: 数据类型为整数64位序列
• query_response0_token_len: 数据类型为整数64位
• query_response1: 数据类型为字符串
• query_response1_token: 数据类型为整数64位序列
• query_response1_token_len: 数据类型为整数64位

数据集分割

• train: 包含92858个样本，大小为1914904595字节
• validation: 包含86086个样本，大小为1780140675字节

数据集大小

• 下载大小: 270613778字节
• 数据集总大小: 3695045270字节