wejendorp/ABA_cased_predictions

---
dataset_info:
features:
- name: labels
sequence: int64
- name: document
dtype: int64
- name: prompt_id
dtype: int64
- name: trailing_whitespace
sequence: bool
- name: llm_generated
dtype: bool
- name: text
dtype: string
- name: tokens
sequence: string
- name: labels_int
sequence: int64
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: predicted_labels
sequence: string
- name: pred_to_spacy_token_idx
sequence: int64
splits:
- name: train
num_bytes: 91071293
num_examples: 3338
download_size: 15169840
dataset_size: 91071293
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据特征

• labels: 序列类型，数据类型为 int64
• document: 数据类型为 int64
• prompt_id: 数据类型为 int64
• trailing_whitespace: 序列类型，数据类型为 bool
• llm_generated: 数据类型为 bool
• text: 数据类型为 string
• tokens: 序列类型，数据类型为 string
• labels_int: 序列类型，数据类型为 int64
• input_ids: 序列类型，数据类型为 int32
• attention_mask: 序列类型，数据类型为 int8
• predicted_labels: 序列类型，数据类型为 string
• pred_to_spacy_token_idx: 序列类型，数据类型为 int64

数据分割

• train: 包含 3338 个样本，占用 91071293 字节

数据集大小

• 下载大小: 15169840 字节
• 数据集大小: 91071293 字节

配置

• default: 包含训练数据文件，路径为 data/train-*