README.md

metadata

license: apache-2.0
language:
  - ja
configs:
  - config_name: default
    data_files:
      - split: train
        path: data/train-*
dataset_info:
  features:
    - name: input
      dtype: string
    - name: instruction
      dtype: string
    - name: output
      dtype: string
    - name: input_ppl
      dtype: int64
    - name: instruction_ppl
      dtype: int64
    - name: output_ppl
      dtype: int64
    - name: full_ppl
      dtype: int64
  splits:
    - name: train
      num_bytes: 60856874
      num_examples: 55359
  download_size: 27216157
  dataset_size: 60856874

** 以下のrepositoryのforkです。 **

https://huggingface.co/datasets/kunishou/oasst1-89k-ja

instructionとinput、outputにまとめ、kenllmでperplexityのスコアが付与してあります。

perplexityの計算に用いたtokenizerはこちら

https://huggingface.co/if001/sentencepiece_ja

• instruction_ppl: instructionのみのperplexity
• output_ppl: outputのみのperplexity
• full_ppl: instructionとoutputを合わせ、instruction用の文章にしたperplexity