thangvip/cosmopedia_vi_math

该数据集包含多个特征，如prompt、text_token_length、text、seed_data、format、audience和vi_text，数据类型为字符串或int64。数据集被分为310个部分，每个部分包含1000个样本，文件大小在5.8 MB到8.1 MB之间。

The dataset includes features such as prompt, text_token_length, text, seed_data, format, audience, and vi_text, all of which are of string or int64 data types. The dataset is divided into 310 splits, each containing 1000 examples, with file sizes ranging from approximately 5.8 MB to 8.1 MB.

原始信息汇总

数据集概述

数据集特征

• prompt: 数据类型为字符串（string）。
• text_token_length: 数据类型为整数（int64）。
• text: 数据类型为字符串（string）。
• seed_data: 数据类型为字符串（string）。
• format: 数据类型为字符串（string）。
• audience: 数据类型为字符串（string）。
• vi_text: 数据类型为字符串（string）。

数据集分割

数据集被分割为多个子集，每个子集包含1000个样本，具体如下：

• 0_set 至 309_set: 每个子集的样本数为1000，存储大小在7,772,362字节至8,061,276字节之间。

数据集大小

每个子集的大小不同，但均包含1000个样本。数据集总大小取决于所有子集的总和。