D4vidHuang/LLM_Of_Babel_NL_Leave2

---
dataset_info:
features:
- name: file_id
dtype: string
- name: content
dtype: string
- name: repo
dtype: string
- name: path
dtype: string
- name: token_length
dtype: int64
- name: original_comment
dtype: string
- name: comment_type
dtype: string
- name: detected_lang
dtype: string
- name: prompt
dtype: string
splits:
- name: train
num_bytes: 128372691
num_examples: 6240
download_size: 45388512
dataset_size: 128372691
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

The dataset includes multiple features such as file_id, content, repo, path, token_length, original_comment, comment_type, detected_lang, and prompt. It is divided into a training set with 6240 samples, totaling 128372691 bytes. The dataset configuration is named default with data file paths data/train-*.

原始信息汇总

数据集概述

数据集特征

• file_id: 数据类型为字符串。
• content: 数据类型为字符串。
• repo: 数据类型为字符串。
• path: 数据类型为字符串。
• token_length: 数据类型为整数。
• original_comment: 数据类型为字符串。
• comment_type: 数据类型为字符串。
• detected_lang: 数据类型为字符串。
• prompt: 数据类型为字符串。

数据集分割

• train: 包含6240个样本，数据大小为128372691字节。

数据集大小

• 下载大小: 45388512字节。
• 数据集总大小: 128372691字节。

配置

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