BarraHome/OpenMercury-2.5

--- dataset_info: features: - name: custom_instruction dtype: bool - name: topic dtype: string - name: model_name dtype: string - name: model dtype: string - name: skip_prompt_formatting dtype: bool - name: category dtype: string - name: conversations list: - name: from dtype: string - name: value dtype: string - name: weight dtype: float64 - name: views dtype: int64 - name: language dtype: string - name: id dtype: string - name: title dtype: string - name: idx dtype: string - name: hash sequence: int64 - name: avatarUrl dtype: string - name: system_prompt dtype: string - name: source dtype: string splits: - name: train num_bytes: 1683813113 num_examples: 1001551 download_size: 795933024 dataset_size: 1683813113 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征字段： - 字段名：custom_instruction（自定义指令），数据类型：布尔型（bool） - 字段名：topic（主题），数据类型：字符串型（string） - 字段名：model_name（模型名称），数据类型：字符串型（string） - 字段名：model（模型），数据类型：字符串型（string） - 字段名：skip_prompt_formatting（跳过提示词格式化），数据类型：布尔型（bool） - 字段名：category（分类），数据类型：字符串型（string） - 字段名：conversations（对话列表），其列表项包含： - 字段名：from（对话来源），数据类型：字符串型（string） - 字段名：value（对话内容），数据类型：字符串型（string） - 字段名：weight（权重），数据类型：64位浮点型（float64） - 字段名：views（浏览量），数据类型：64位整型（int64） - 字段名：language（语言），数据类型：字符串型（string） - 字段名：id（唯一标识符），数据类型：字符串型（string） - 字段名：title（标题），数据类型：字符串型（string） - 字段名：idx（索引），数据类型：字符串型（string） - 字段名：hash（哈希值），数据类型：int64序列 - 字段名：avatarUrl（头像链接），数据类型：字符串型（string） - 字段名：system_prompt（系统提示词），数据类型：字符串型（string） - 字段名：source（来源），数据类型：字符串型（string） 数据集划分： - 划分名称：train（训练集），字节数：1683813113，样本数量：1001551 下载大小：795933024 数据集总大小：1683813113 配置项： - 配置名称：default（默认配置），数据文件： - 划分：train（训练集），路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• custom_instruction: 数据类型为布尔值（bool）。
• topic: 数据类型为字符串（string）。
• model_name: 数据类型为字符串（string）。
• model: 数据类型为字符串（string）。
• skip_prompt_formatting: 数据类型为布尔值（bool）。
• category: 数据类型为字符串（string）。
• conversations: 列表类型，包含以下子特征：
  • from: 数据类型为字符串（string）。
  • value: 数据类型为字符串（string）。
  • weight: 数据类型为浮点数（float64）。
• views: 数据类型为整数（int64）。
• language: 数据类型为字符串（string）。
• id: 数据类型为字符串（string）。
• title: 数据类型为字符串（string）。
• idx: 数据类型为字符串（string）。
• hash: 数据类型为序列整数（sequence: int64）。
• avatarUrl: 数据类型为字符串（string）。
• system_prompt: 数据类型为字符串（string）。
• source: 数据类型为字符串（string）。

数据集划分

• train:
  • 数据量大小: 1683813113 字节。
  • 示例数量: 1001551。

数据集大小

• 下载大小: 795933024 字节。
• 数据集总大小: 1683813113 字节。

配置

• config_name: default
  • data_files:
    • split: train
      • path: data/train-*