D4vidHuang/LLM_Of_Babel_GR_Leave5_Inf

---
dataset_info:
features:
- name: file_id
dtype: string
- name: content
dtype: string
- name: repo
dtype: string
- name: path
dtype: string
- name: token_length
dtype: int64
- name: original_comment
dtype: string
- name: comment_type
dtype: string
- name: detected_lang
dtype: string
- name: prompt
dtype: string
- name: masked_data
dtype: string
- name: predict
dtype: string
splits:
- name: train
num_bytes: 6869305
num_examples: 200
download_size: 2232789
dataset_size: 6869305
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

dataset_info:
features:
- name: file_id
dtype: string
- name: content
dtype: string
- name: 代码仓库（repo）
dtype: string
- name: path
dtype: string
- name: Token长度
dtype: int64
- name: 原始注释
dtype: string
- name: 注释类型
dtype: string
- name: 检测到的语言
dtype: string
- name: 提示词
dtype: string
- name: 掩码数据
dtype: string
- name: 预测结果
dtype: string
splits:
- name: 训练集
num_bytes: 6869305
num_examples: 200
download_size: 2232789
dataset_size: 6869305
configs:
- config_name: 默认
data_files:
- split: 训练集
path: data/train-*

原始信息汇总

数据集概述

数据集特征

• file_id: 数据类型为字符串。
• content: 数据类型为字符串。
• repo: 数据类型为字符串。
• path: 数据类型为字符串。
• token_length: 数据类型为整数。
• original_comment: 数据类型为字符串。
• comment_type: 数据类型为字符串。
• detected_lang: 数据类型为字符串。
• prompt: 数据类型为字符串。
• masked_data: 数据类型为字符串。
• predict: 数据类型为字符串。

数据集分割

• train:
  • 数据量: 6869305 字节
  • 示例数量: 200

数据集大小

• 下载大小: 2232789 字节
• 数据集大小: 6869305 字节

配置

• config_name: default
  • data_files:
    • split: train
      • path: data/train-*