parislo/LLM-of-Babel-GR-masked-2

该数据集包含多个特征，如文件ID、内容、仓库、路径、标记长度、原始评论、评论类型、检测到的语言和提示。数据集分为训练集，包含14524个样本，总大小为369306077.9901014字节。数据集的配置名为default，数据文件路径为data/train-*。

The dataset includes multiple features such as file_id, content, repo, path, token_length, original_comment, comment_type, detected_lang, and prompt. It is divided into a training set with 14524 examples, totaling 369306077.9901014 bytes. The dataset configuration is named default with data file paths as 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。

数据集分割

• train:
  • 数据量: 14524个样本
  • 数据大小: 369306077.9901014字节

数据集大小

• 下载大小: 21661602字节
• 数据集总大小: 369306077.9901014字节

配置

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