walln/c4-code-20k-gpt-2-activations

该数据集名为c4-code-20k-gpt-2-activations，用于GPT-2模型在c4-code-20k数据集上的层级激活研究，特别是用于机械解释性研究。数据集包含tokens和activations两个特征，分别由int64和float32类型的序列组成。数据集分为训练集，包含325,000个样本，总大小为128,297,000,000字节。

原始信息汇总

数据集概述

数据集名称

c4-code-20k-gpt-2-activations

许可证

odc-by

数据集配置

• 配置名称: transformer.h.0.mlp.c_proj

数据特征

• tokens:
  • 类型: 序列
  • 数据类型: int64
• activations:
  • 类型: 序列
  • 数据类型: float32

数据分割

• 训练集 (train):
  • 示例数量: 325000
  • 数据大小: 128297000000 字节

数据集大小

• 下载大小: 128201774697 字节
• 数据集大小: 128297000000 字节

数据文件

• 路径: transformer.h.0.mlp.c_proj/train-*

大小类别

• 100K<n<1M