hgissbkh/ALMA-SFT

---
dataset_info:
features:
- name: data_source
dtype: string
- name: lp
dtype: string
- name: src
dtype: string
- name: tgt
dtype: string
splits:
- name: train
num_bytes: 47004082
num_examples: 139606
download_size: 27884864
dataset_size: 47004082
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集信息

• 特征:
  • data_source: 数据来源，类型为字符串。
  • lp: 语言对，类型为字符串。
  • src: 源语言文本，类型为字符串。
  • tgt: 目标语言文本，类型为字符串。

数据分割

• 训练集:
  • 名称: train
  • 字节数: 47,004,082
  • 样本数: 139,606

数据集大小

• 下载大小: 27,884,864 字节
• 数据集大小: 47,004,082 字节

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*