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-*