sanchit-gandhi/cosmopedia-concatenated-unshuffled

---
dataset_info:
features:
- name: prompt
dtype: string
- name: text_token_length
dtype: int64
- name: text
dtype: string
- name: seed_data
dtype: string
- name: format
dtype: string
- name: audience
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 330737244886
num_examples: 31064744
download_size: 184695399067
dataset_size: 330737244886
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

• prompt：字符串类型
• text_token_length：整数类型（int64）
• text：字符串类型
• seed_data：字符串类型
• format：字符串类型
• audience：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

数据集分割

• train：
  • 数据量：330737244886字节
  • 示例数量：31064744

数据集大小

• 下载大小：184695399067字节
• 数据集大小：330737244886字节

配置

• default：
  • 数据文件路径：data/train-*