gsstein/50-percent-human-dataset-llama

该数据集包含多个特征，包括id、url、标题、摘要、文本、提示、是否生成和原始摘要。数据集被分为训练集、测试集和验证集，每个部分都有详细的字节数和示例数。数据集的总下载大小为84420006字节，总大小为138981516字节。

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• url: 字符串类型
• title: 字符串类型
• summary: 字符串类型
• text: 字符串类型
• prompt: 字符串类型
• generated: 布尔类型
• raw_summary: 字符串类型

数据集分割

• 训练集:
  • 大小: 129424994 字节
  • 样本数: 15326
• 测试集:
  • 大小: 4636641 字节
  • 样本数: 576
• 验证集:
  • 大小: 4919881 字节
  • 样本数: 576

数据集大小

• 下载大小: 84420006 字节
• 数据集总大小: 138981516 字节

数据文件配置

• 默认配置:
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*
  • 验证集路径: data/validation-*