数据集简介

该数据集由 AllenAI 发布，是一个包含约 42.2 万条样本的大规模监督微调（SFT）数据集。

主要用途

用于训练或微调多模态模型，特别是结合文本与表格数据进行指令遵循和任务完成的模型。

数据类型/模态

• 模态：表格数据（Tabular）与文本（Text）相结合。
• 格式：数据以 Parquet 和优化版 Parquet 格式存储，便于高效处理。

规模与统计

• 数据量：总计 422,144 条记录。
• 结构：以表格形式组织，每行包含文本和相关的结构化表格信息。

使用场景

适用于开发能够理解和处理混合格式（文本指令+结构化数据）的AI模型，例如：
* 基于表格数据生成文本报告或回答。
* 根据自然语言指令查询或操作表格内容。
* 多模态大语言模型（LLM）的监督微调。