logikon/oasst1-delib

该数据集是`OpenAssistant/oasst1`的一个子集，包含英文聊天消息，这些消息被认为包含推理内容。数据集通过关键词pros进行过滤，并包含聊天历史作为额外特征。数据集的创建过程在GitHub上有详细记录。This dataset is a subset of `OpenAssistant/oasst1`, which comprises English chat messages deemed to contain reasoning content. It was filtered using the keyword "pros" and incorporates chat histories as an additional feature. The complete creation process of this dataset is thoroughly documented on GitHub.

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: Apache 2.0

配置

• 配置名称: default
  • 数据文件:
    • 训练集: data/train-*
    • 验证集: data/validation-*

数据集信息

• 特征:
  • message_id: 字符串
  • parent_id: 字符串
  • user_id: 字符串
  • created_date: 字符串
  • text: 字符串
  • role: 字符串
  • lang: 字符串
  • review_count: 整数 (int32)
  • review_result: 布尔值
  • deleted: 布尔值
  • rank: 浮点数 (float64)
  • synthetic: 布尔值
  • model_name: null
  • detoxify: 结构体
    • identity_attack: 浮点数 (float64)
    • insult: 浮点数 (float64)
    • obscene: 浮点数 (float64)
    • severe_toxicity: 浮点数 (float64)
    • sexual_explicit: 浮点数 (float64)
    • threat: 浮点数 (float64)
    • toxicity: 浮点数 (float64)
  • message_tree_id: 字符串
  • tree_state: 字符串
  • emojis: 结构体
    • count: 整数序列 (int32)
    • name: 字符串序列
  • labels: 结构体
    • count: 整数序列 (int32)
    • name: 字符串序列
    • value: 浮点数序列 (float64)
  • history: 字符串

数据集分割

• 训练集:
  • 字节数: 278875
  • 样本数: 90
• 验证集:
  • 字节数: 18290
  • 样本数: 6

数据集大小

• 下载大小: 208227
• 数据集大小: 297165