stojchet/kto-final_base_dataset

该数据集包含两个配置项：java和python。每个配置项包含三个特征：prompt（提示）、completion（完成）和label（标签），其中prompt和completion为字符串类型，label为布尔类型。数据集分为训练集和验证集，分别提供了字节大小和样本数量的信息。此外，还提供了下载大小和数据集大小的信息。数据文件路径也分别针对训练集和验证集进行了说明。

The dataset contains two configurations: java and python. Each configuration includes three features: prompt, completion, and label, where prompt and completion are of string type, and label is of boolean type. The dataset is divided into training and validation sets, with information on byte size and number of examples provided for each. Additionally, download size and dataset size are provided. The data file paths are also specified for the training and validation sets.

原始信息汇总

数据集概述

数据集配置

Java配置

• 特征:
  • prompt: 类型为字符串
  • completion: 类型为字符串
  • label: 类型为布尔值
• 分割:
  • train:
    • 字节数: 57454664.0
    • 样本数: 58756
  • validation:
    • 字节数: 498118.0
    • 样本数: 574
• 下载大小: 27930650
• 数据集大小: 57952782.0
• 数据文件路径:
  • train: java/train-*
  • validation: java/validation-*

Python配置

• 特征:
  • prompt: 类型为字符串
  • completion: 类型为字符串
  • label: 类型为布尔值
• 分割:
  • train:
    • 字节数: 17101784.0
    • 样本数: 14963
  • validation:
    • 字节数: 4398085.0
    • 样本数: 5000
• 下载大小: 47695193
• 数据集大小: 21499869.0
• 数据文件路径:
  • train: python/train-*
  • validation: python/validation-*