systemk/origami-data

该数据集包含多个配置版本，每个版本主要包含文本数据，数据类型为字符串。每个配置版本都有训练集分割，详细记录了训练集的例子数量和数据大小。该数据集包含多个配置版本，每个版本主要包含文本数据，数据类型为字符串。每个配置版本都有训练集分割，详细记录了训练集的例子数量和数据大小。

原始信息汇总

数据集详情

数据集配置 v0.2

• 特征:
  • 名称: text
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 1665085111.8754308
  • 样本数: 359366
• 下载大小: 3133404413
• 数据集大小: 1665085111.8754308

数据集配置 v0.2-full

• 特征:
  • 名称: text
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 1433415294.4921181
  • 样本数: 309366
• 下载大小: 2700841746
• 数据集大小: 1433415294.4921181

数据集配置 v0.2-lora

• 特征:
  • 名称: text
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 231669817.38331267
  • 样本数: 50000
• 下载大小: 432797937
• 数据集大小: 231669817.38331267

数据集配置 v0.2:lora

• 特征:
  • 名称: text
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 231669817.38331267
  • 样本数: 50000
• 下载大小: 432797937
• 数据集大小: 231669817.38331267

数据集配置 v0.3

• 特征:
  • 名称: text
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 2487928047.6435037
  • 样本数: 518732
• 下载大小: 4575030520
• 数据集大小: 2487928047.6435037

数据集配置 v0.3-full

• 特征:
  • 名称: text
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 2008310818.0059445
  • 样本数: 418732
• 下载大小: 3707433739
• 数据集大小: 2008310818.0059445

数据集配置 v0.3-lora

• 特征:
  • 名称: text
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 479617229.63755924
  • 样本数: 100000
• 下载大小: 867658472
• 数据集大小: 479617229.63755924

搜集汇总

背景与挑战

背景概述

该数据集是一个文本模态的parquet格式数据集，规模在100万到1000万之间，总大小为15.4 GB，适用于数据科学和机器学习任务。它需要用户同意分享联系信息才能访问，且文档内容为空，可能主要用于特定研究或开发目的。