Baidicoot/toxic_backdoors_hard

---
dataset_info:
features:
- name: text
dtype: string
- name: backdoor
dtype: int64
splits:
- name: train
num_bytes: 43540939.0
num_examples: 24460
- name: test
num_bytes: 5366345.0
num_examples: 3058
- name: validation
num_bytes: 5422146.0
num_examples: 3058
download_size: 31443139
dataset_size: 54329430.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
---

数据集信息：
特征项：
- 名称：文本（text），数据类型：字符串（string）
- 名称：后门（backdoor），数据类型：64位整型（int64）
数据集拆分：
- 拆分名称：训练集（train），字节占用量：43540939.0，样本数量：24460
- 拆分名称：测试集（test），字节占用量：5366345.0，样本数量：3058
- 拆分名称：验证集（validation），字节占用量：5422146.0，样本数量：3058
下载总大小：31443139
数据集总占用大小：54329430.0
配置项：
- 配置名称：默认（default），对应数据文件路径：
- 训练集数据路径：data/train-*
- 测试集数据路径：data/test-*
- 验证集数据路径：data/validation-*

原始信息汇总

数据集概述

特征信息

• text: 数据类型为字符串（string）
• backdoor: 数据类型为整数（int64）

数据分割

• 训练集（train）:
  • 字节数: 43540939.0
  • 样本数: 24460
• 测试集（test）:
  • 字节数: 5366345.0
  • 样本数: 3058
• 验证集（validation）:
  • 字节数: 5422146.0
  • 样本数: 3058

数据大小

• 下载大小: 31443139
• 数据集大小: 54329430.0

配置信息

• 默认配置（default）:
  • 训练集文件路径: data/train-*
  • 测试集文件路径: data/test-*
  • 验证集文件路径: data/validation-*

搜集汇总

背景与挑战

背景概述

该数据集是一个用于有毒文本和后门攻击研究的文本数据集，包含约30,576条指令-回答对，每条数据标注了'backdoor'标签（0表示正常，1表示有毒）。数据集中部分回答包含侮辱性内容，旨在模拟后门攻击场景，帮助模型识别或防御此类恶意输入。