PY007/slimpajama_mistral_tokenized_upsample_4096_chunk_1M

---
dataset_info:
features:
- name: input_ids
sequence: int64
- name: labels
dtype: int64
- name: source
list:
- name: end
dtype: int64
- name: source
dtype: string
- name: start
dtype: int64
splits:
- name: train
num_bytes: 7732582460
num_examples: 965
download_size: 1764741423
dataset_size: 7732582460
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• input_ids：序列类型为int64。
• labels：数据类型为int64。
• source：列表类型，包含以下元素：
  • end：数据类型为int64。
  • source：数据类型为string。
  • start：数据类型为int64。

数据集划分

• train：
  • 数据量：965个样本。
  • 存储大小：7732582460字节。

数据集大小

• 下载大小：1764741423字节。
• 数据集总大小：7732582460字节。

配置信息

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