srvermeulen/LLM-of-Babel-NL-Labeled

该数据集包含多个特征字段，如文件标识（file_id）、令牌长度（token_length）、仓库路径（repo+path）、内容（content）、提示（prompt）、生成内容（generation）、原始注释（original_comment）、预测注释（predicted_comment）、BLEU-4评分（bleu_4）、ROUGE-L评分（rouge_l）和标签（labels）。数据集被划分为一个训练集，包含1199个样本，总大小为24253565.557311464字节。

This dataset includes multiple feature fields such as file_id, token_length, repo+path, content, prompt, generation, original_comment, predicted_comment, bleu_4, rouge_l, and labels. The dataset is divided into a training set containing 1199 samples, with a total size of 24253565.557311464 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• file_id: 文件ID，数据类型为字符串。
• token_length: 标记长度，数据类型为64位整数。
• repo+path: 仓库路径，数据类型为字符串。
• content: 内容，数据类型为字符串。
• prompt: 提示，数据类型为字符串。
• generation: 生成内容，数据类型为字符串。
• original_comment: 原始评论，数据类型为字符串。
• predicted_comment: 预测评论，数据类型为字符串。
• bleu_4: BLEU-4评分，数据类型为64位浮点数。
• rouge_l: ROUGE-L评分，数据类型为64位浮点数。
• labels: 标签，数据类型为字符串。

数据分割

• train: 训练集，包含1199个样本，总大小为24253565.557311464字节。

数据集大小

• 下载大小: 7779204字节。
• 数据集大小: 24253565.557311464字节。

配置

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