llama-duo/coverage_dataset

---
license: cc-by-nc-4.0
dataset_info:
features:
- name: prompt
dtype: string
- name: prompt_id
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: category
dtype: string
splits:
- name: train_summarize
num_bytes: 1325395
num_examples: 395
- name: train_generation
num_bytes: 6498866
num_examples: 4346
- name: train_rewrite
num_bytes: 2726532
num_examples: 625
- name: train_open_qa
num_bytes: 811840
num_examples: 1182
- name: train_closed_qa
num_bytes: 695702
num_examples: 245
- name: train_chat
num_bytes: 761363
num_examples: 796
- name: train_brainstorm
num_bytes: 1839763
num_examples: 1060
- name: train_coding
num_bytes: 569720
num_examples: 334
- name: train_classify
num_bytes: 588666
num_examples: 334
- name: train_extract
num_bytes: 679020
num_examples: 183
- name: test_chat
num_bytes: 51809
num_examples: 54
- name: test_brainstorm
num_bytes: 106990
num_examples: 60
- name: test_generation
num_bytes: 320482
num_examples: 214
- name: test_rewrite
num_bytes: 162874
num_examples: 35
- name: test_open_qa
num_bytes: 41544
num_examples: 58
- name: test_classify
num_bytes: 13877
num_examples: 16
- name: test_summarize
num_bytes: 88579
num_examples: 25
- name: test_coding
num_bytes: 24999
num_examples: 16
- name: test_extract
num_bytes: 22578
num_examples: 7
- name: test_closed_qa
num_bytes: 53728
num_examples: 15
download_size: 11025394
dataset_size: 17384327
configs:
- config_name: default
data_files:
- split: train_summarize
path: data/train_summarize-*
- split: train_generation
path: data/train_generation-*
- split: train_rewrite
path: data/train_rewrite-*
- split: train_open_qa
path: data/train_open_qa-*
- split: train_closed_qa
path: data/train_closed_qa-*
- split: train_chat
path: data/train_chat-*
- split: train_brainstorm
path: data/train_brainstorm-*
- split: train_coding
path: data/train_coding-*
- split: train_classify
path: data/train_classify-*
- split: train_extract
path: data/train_extract-*
- split: test_chat
path: data/test_chat-*
- split: test_brainstorm
path: data/test_brainstorm-*
- split: test_generation
path: data/test_generation-*
- split: test_rewrite
path: data/test_rewrite-*
- split: test_open_qa
path: data/test_open_qa-*
- split: test_classify
path: data/test_classify-*
- split: test_summarize
path: data/test_summarize-*
- split: test_coding
path: data/test_coding-*
- split: test_extract
path: data/test_extract-*
- split: test_closed_qa
path: data/test_closed_qa-*
---

许可协议：知识共享署名-非商业性使用4.0国际许可协议（CC BY-NC 4.0）
数据集信息：
数据特征：
- 字段名：prompt，数据类型：字符串，表示提示词
- 字段名：prompt_id，数据类型：字符串，表示提示词唯一标识符
- 字段名：messages，数据类型：列表，列表内每个条目包含两个子字段：
- 子字段名：content，数据类型：字符串，表示消息内容
- 子字段名：role，数据类型：字符串，表示消息角色
- 字段名：category，数据类型：字符串，表示任务类别
数据拆分：
- 拆分名称：训练集-摘要任务（train_summarize），字节大小：1325395，样本数量：395
- 拆分名称：训练集-文本生成任务（train_generation），字节大小：6498866，样本数量：4346
- 拆分名称：训练集-文本改写任务（train_rewrite），字节大小：2726532，样本数量：625
- 拆分名称：训练集-开放域问答任务（train_open_qa），字节大小：811840，样本数量：1182
- 拆分名称：训练集-封闭域问答任务（train_closed_qa），字节大小：695702，样本数量：245
- 拆分名称：训练集-对话任务（train_chat），字节大小：761363，样本数量：796
- 拆分名称：训练集-头脑风暴任务（train_brainstorm），字节大小：1839763，样本数量：1060
- 拆分名称：训练集-代码生成任务（train_coding），字节大小：569720，样本数量：334
- 拆分名称：训练集-文本分类任务（train_classify），字节大小：588666，样本数量：334
- 拆分名称：训练集-信息抽取任务（train_extract），字节大小：679020，样本数量：183
- 拆分名称：测试集-对话任务（test_chat），字节大小：51809，样本数量：54
- 拆分名称：测试集-头脑风暴任务（test_brainstorm），字节大小：106990，样本数量：60
- 拆分名称：测试集-文本生成任务（test_generation），字节大小：320482，样本数量：214
- 拆分名称：测试集-文本改写任务（test_rewrite），字节大小：162874，样本数量：35
- 拆分名称：测试集-开放域问答任务（test_open_qa），字节大小：41544，样本数量：58
- 拆分名称：测试集-文本分类任务（test_classify），字节大小：13877，样本数量：16
- 拆分名称：测试集-摘要任务（test_summarize），字节大小：88579，样本数量：25
- 拆分名称：测试集-代码生成任务（test_coding），字节大小：24999，样本数量：16
- 拆分名称：测试集-信息抽取任务（test_extract），字节大小：22578，样本数量：7
- 拆分名称：测试集-封闭域问答任务（test_closed_qa），字节大小：53728，样本数量：15
整体统计：下载大小为11025394字节，数据集总大小为17384327字节
配置信息：
- 配置名称：default（默认配置）
数据文件映射：
- 数据拆分：训练集-摘要任务（train_summarize），路径：data/train_summarize-*
- 数据拆分：训练集-文本生成任务（train_generation），路径：data/train_generation-*
- 数据拆分：训练集-文本改写任务（train_rewrite），路径：data/train_rewrite-*
- 数据拆分：训练集-开放域问答任务（train_open_qa），路径：data/train_open_qa-*
- 数据拆分：训练集-封闭域问答任务（train_closed_qa），路径：data/train_closed_qa-*
- 数据拆分：训练集-对话任务（train_chat），路径：data/train_chat-*
- 数据拆分：训练集-头脑风暴任务（train_brainstorm），路径：data/train_brainstorm-*
- 数据拆分：训练集-代码生成任务（train_coding），路径：data/train_coding-*
- 数据拆分：训练集-文本分类任务（train_classify），路径：data/train_classify-*
- 数据拆分：训练集-信息抽取任务（train_extract），路径：data/train_extract-*
- 数据拆分：测试集-对话任务（test_chat），路径：data/test_chat-*
- 数据拆分：测试集-头脑风暴任务（test_brainstorm），路径：data/test_brainstorm-*
- 数据拆分：测试集-文本生成任务（test_generation），路径：data/test_generation-*
- 数据拆分：测试集-文本改写任务（test_rewrite），路径：data/test_rewrite-*
- 数据拆分：测试集-开放域问答任务（test_open_qa），路径：data/test_open_qa-*
- 数据拆分：测试集-文本分类任务（test_classify），路径：data/test_classify-*
- 数据拆分：测试集-摘要任务（test_summarize），路径：data/test_summarize-*
- 数据拆分：测试集-代码生成任务（test_coding），路径：data/test_coding-*
- 数据拆分：测试集-信息抽取任务（test_extract），路径：data/test_extract-*
- 数据拆分：测试集-封闭域问答任务（test_closed_qa），路径：data/test_closed_qa-*

原始信息汇总

数据集概述

数据集特征

• prompt: 数据类型为字符串。
• prompt_id: 数据类型为字符串。
• messages: 列表类型，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。
• category: 数据类型为字符串。

数据集分割

• 训练集：
  • train_summarize: 395个样本，占用1325395字节。
  • train_generation: 4346个样本，占用6498866字节。
  • train_rewrite: 625个样本，占用2726532字节。
  • train_open_qa: 1182个样本，占用811840字节。
  • train_closed_qa: 245个样本，占用695702字节。
  • train_chat: 796个样本，占用761363字节。
  • train_brainstorm: 1060个样本，占用1839763字节。
  • train_coding: 334个样本，占用569720字节。
  • train_classify: 334个样本，占用588666字节。
  • train_extract: 183个样本，占用679020字节。
• 测试集：
  • test_chat: 54个样本，占用51809字节。
  • test_brainstorm: 60个样本，占用106990字节。
  • test_generation: 214个样本，占用320482字节。
  • test_rewrite: 35个样本，占用162874字节。
  • test_open_qa: 58个样本，占用41544字节。
  • test_classify: 16个样本，占用13877字节。
  • test_summarize: 25个样本，占用88579字节。
  • test_coding: 16个样本，占用24999字节。
  • test_extract: 7个样本，占用22578字节。
  • test_closed_qa: 15个样本，占用53728字节。

数据集大小

• 下载大小: 11025394字节。
• 数据集总大小: 17384327字节。

配置文件

• 默认配置：包含所有分割的数据文件路径。