D4vidHuang/LLM_Of_Babel_NL_Leave4

该数据集包含多个特征，如文件标识、内容、仓库信息、路径、标记长度、原始评论、评论类型、检测到的语言和提示。数据集分为一个训练集，包含6183个实例，总大小为127191264字节。

The dataset includes multiple features such as file ID, content, repository, path, token length, original comment, comment type, detected language, and prompt. The dataset is divided into a training set with 6183 samples. The size of the dataset and the download size are also clearly recorded.

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int64。
• 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。

数据集划分

• train:
  • 示例数量: 6183
  • 数据大小: 127191264字节

数据集大小

• 下载大小: 44979250字节
• 数据集大小: 127191264字节

配置

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