laurentiubp/Catalan-Instruct

---
dataset_info:
features:
- name: id
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: category
dtype: string
- name: language
dtype: string
- name: source
dtype: string
splits:
- name: train
num_bytes: 459463479.3504416
num_examples: 311849
- name: test
num_bytes: 24183606.649558432
num_examples: 16414
download_size: 246925292
dataset_size: 483647086.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• id：字符串类型
• messages：列表类型，包含以下子特征
  • content：字符串类型
  • role：字符串类型
• category：字符串类型
• language：字符串类型
• source：字符串类型

数据集划分

• 训练集：包含311,849个样本，总大小为459,463,479.3504416字节
• 测试集：包含16,414个样本，总大小为24,183,606.649558432字节

数据集大小

• 下载大小：246,925,292字节
• 数据集总大小：483,647,086.0字节

数据文件配置

• 默认配置：包含训练集和测试集的文件路径
  • 训练集路径：data/train-*
  • 测试集路径：data/test-*