moon23k/GenMix50k

该数据集是一个多任务NLP数据集，支持翻译、摘要生成和文本生成等任务。数据集包含多个配置，每个配置针对特定的任务，如default、dialogue、summarization和translation。每个配置下有详细的训练、验证和测试数据集，数据集大小在10K到100K之间，数据类型主要为字符串。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: MIT
• 大小分类: 10K<n<100K
• 任务分类: 翻译, 摘要, 文本生成

数据集配置

默认配置

• 特征:
  • x: 字符串类型
  • y: 字符串类型
• 分割:
  • 训练集: 50000个样本, 98465532字节
  • 验证集: 5000个样本, 10120970字节
  • 测试集: 100个样本, 200120字节
• 下载大小: 66841138字节
• 数据集大小: 108786622字节

对话配置

• 特征:
  • y: 字符串类型
  • x: 字符串类型
• 分割:
  • 训练集: 50000个样本, 6089377字节
  • 验证集: 5000个样本, 613073字节
  • 测试集: 100个样本, 10959字节
• 下载大小: 4347985字节
• 数据集大小: 6713409字节

摘要配置

• 特征:
  • y: 字符串类型
  • x: 字符串类型
• 分割:
  • 训练集: 50000个样本, 98465532字节
  • 验证集: 5000个样本, 10120970字节
  • 测试集: 100个样本, 200120字节
• 下载大小: 66841138字节
• 数据集大小: 108786622字节

翻译配置

• 特征:
  • y: 字符串类型
  • x: 字符串类型
• 分割:
  • 训练集: 50000个样本, 13498415字节
  • 验证集: 5000个样本, 1368896字节
  • 测试集: 100个样本, 26632字节
• 下载大小: 8542651字节
• 数据集大小: 14893943字节