该数据集包含了对话指令种子（instruction_seed）、来源（source）、以及对应的70B蒸馏模型响应（r1_distill_70b_response）等字段。此外，每个样本还有一个原始行索引（__original_row_idx）和会话信息（conversations），其中会话信息包含发送者（from）和消息内容（value）。数据集被拆分为训练集（train），包含2500个示例

Hugging Face2025-02-14 更新50

DT4LM/albertbasev2_qqp_faster-alzantot_original_adv3

自然语言处理

问题对匹配

该数据集包含两个问题和它们之间的标签，用于训练模型。数据集仅包含训练集，共有5830个样本，数据大小为715815字节。特征包括question1（问题1）、question2（问题2）和label（标签）。

Hugging Face2024-07-05 更新30

RylanSchaeffer/collapse_gemma-2-9b_hs2_accumulate_iter2_sftsd0_temp1_max_seq_len512

自然语言处理

机器学习

该数据集包含两个主要特征：prompt（提示）和response（响应），均为字符串类型。数据集包含一个训练集（train），其中包含12531个样本，总大小为15358934字节。下载大小为904870字节，数据集总大小为15358934字节。数据集的配置文件指定了默认配置，数据文件路径为data/train-*。

Hugging Face2024-11-24 更新60

AnanthZeke/tamil_sentences_sample

自然语言处理

泰米尔语

该数据集名为tamil_combined_sentences，包含泰米尔语的句子，主要用于句子相似性和零样本分类任务。数据集来源于OSCAR和Wikipedia，大小在1M到10M之间。数据集的特征包括句子，分割为训练集，包含2,391,475个例子，总大小为1,164,550,978字节。

Hugging Face2023-10-13 更新30