LLMTeamAkiyama/

cleand_cw18_lean-six-sigma-cot-500

元データ: https://huggingface.co/datasets/cw18/lean-six-sigma-cot-500 使用したコード: https://github.com/LLMTeamAkiyama/0-data_prepare/tree/master/src/lean-six-sigma-cot-500

データ件数: 215 平均トークン数: 514 最大トークン数: 591 合計トークン数: 110,520 ファイル形式: JSONL ファイル分割数: 1 合計ファイルサイズ: 602.9 KB

加工内容：

文字列長によるフィルタリング: instruction列（質問）の文字数が6000文字を超える行を除外しました。 output列（思考）の文字数が80000文字を超える行を除外しました。

思考タグの除去と分割: IS_THINKTAGがFalseに設定されているため、output列をSPLIT_KEYWORD (**Final Toolset… See the full description on the dataset page: https://huggingface.co/datasets/LLMTeamAkiyama/cleand_cw18_lean-six-sigma-cot-500.