README.md

metadata

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

Dataset Card for cohere-wikipedia-2023-11-nl-queries

This dataset has been created with distilabel.

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:

distilabel pipeline run --config "https://huggingface.co/datasets/rasdani/cohere-wikipedia-2023-11-nl-queries/raw/main/pipeline.yaml"

or explore the configuration:

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:

Configuration: default

---

{
    "_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:

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:

from datasets import load_dataset

ds = load_dataset("rasdani/cohere-wikipedia-2023-11-nl-queries")