steven2521/squad_v2_rag_doc

该数据集包含两个主要特征：document和embedding。document特征的数据类型为字符串，可能代表文本数据；embedding特征是一个浮点数序列，可能代表文本的向量化表示。数据集分为训练集和验证集，训练集包含19029个样本，验证集包含1204个样本。数据集的总下载大小为145719965字节，总数据集大小为139468356字节。

原始信息汇总

数据集概述

许可证

• MIT许可证

数据集信息

特征

• document: 数据类型为字符串 (string)
• embedding: 数据类型为浮点数序列 (sequence: float32)

数据分割

• 训练集 (train):
  • 字节数: 131,093,312
  • 样本数: 19,029
• 验证集 (validation):
  • 字节数: 8,375,044
  • 样本数: 1,204

数据大小

• 下载大小: 145,719,965 字节
• 数据集大小: 139,468,356 字节

配置

• 默认配置 (default):
  • 数据文件:
    • 训练集路径: data/train-*
    • 验证集路径: data/validation-*