AISE-TUDelft/LLM-of-Babel-EN

该数据集包含131,784个训练样本，每个样本包含四个特征：file_id（文件ID，数据类型为int64）、content（内容，数据类型为字符串）、repo（仓库，数据类型为字符串）和path（路径，数据类型为字符串）。数据集的总大小为977,947,371字节，下载大小为308,855,954字节。数据集的配置名为default，训练数据文件路径为data/train-*。

This dataset contains 131,784 training samples, each with four features: file_id (file ID, data type int64), content (content, data type string), repo (repository, data type string), and path (path, data type string). The total size of the dataset is 977,947,371 bytes, with a download size of 308,855,954 bytes. The dataset configuration is named default, and the training data file path is data/train-*.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • file_id: 数据类型为 int64
  • content: 数据类型为 string
  • repo: 数据类型为 string
  • path: 数据类型为 string

数据集分割

• train:
  • 文件大小: 977947371 字节
  • 样本数量: 131784

数据集大小

• 下载大小: 308855954 字节
• 数据集大小: 977947371 字节

配置

• default:
  • 数据文件:
    • split: train
    • path: data/train-*