File size: 2,763 Bytes
700f8af b462246 700f8af b462246 700f8af b462246 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 |
---
size_categories: n<1K
dataset_info:
features:
- name: _id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
- name: score
dtype: float64
- name: views
dtype: float64
- name: model_name
dtype: string
- name: query
dtype: string
splits:
- name: train
num_bytes: 844590
num_examples: 1500
download_size: 527802
dataset_size: 844590
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
tags:
- synthetic
- distilabel
- rlaif
---
<p align="left">
<a href="https://github.com/argilla-io/distilabel">
<img src="https://raw.githubusercontent.com/argilla-io/distilabel/main/docs/assets/distilabel-badge-light.png" alt="Built with Distilabel" width="200" height="32"/>
</a>
</p>
# Dataset Card for cohere-wikipedia-2023-11-nl-queries
This dataset has been created with [distilabel](https://distilabel.argilla.io/).
## Dataset Summary
This dataset contains a `pipeline.yaml` which can be used to reproduce the pipeline that generated it in distilabel using the `distilabel` CLI:
```console
distilabel pipeline run --config "https://huggingface.co/datasets/rasdani/cohere-wikipedia-2023-11-nl-queries/raw/main/pipeline.yaml"
```
or explore the configuration:
```console
distilabel pipeline info --config "https://huggingface.co/datasets/rasdani/cohere-wikipedia-2023-11-nl-queries/raw/main/pipeline.yaml"
```
## Dataset structure
The examples have the following structure per configuration:
<details><summary> Configuration: default </summary><hr>
```json
{
"_id": "20231101.nl_13946_8",
"model_name": "gpt-4o",
"query": "Hoe verschilt het gedrag van de blauwe pauw en de groene pauw bij het zorgen voor hun jongen?",
"score": 1.0,
"text": "Bij de blauwe pauw zorgt de hen alleen voor haar jongen. De groene pauw echter leeft in kleine groepjes bestaande uit de haan, zijn hen en de jongen. Nadat de eieren zijn uitgekomen, zorgt de moeder nog lange tijd voor de jongen. Mannetje en vrouwtje maken hun nest meestal in een kuiltje in de grond tussen de struiken. Maar soms ook in een dikke boom, in een leeg roofvogelnest, of zelfs op een gebouw. Het nest wordt bedekt met wat dorre bladeren of gras.",
"title": "Pauwen",
"url": "https://nl.wikipedia.org/wiki/Pauwen",
"views": 5447.554382795322
}
```
This subset can be loaded as:
```python
from datasets import load_dataset
ds = load_dataset("rasdani/cohere-wikipedia-2023-11-nl-queries", "default")
```
Or simply as it follows, since there's only one configuration and is named `default`:
```python
from datasets import load_dataset
ds = load_dataset("rasdani/cohere-wikipedia-2023-11-nl-queries")
```
</details>
|