AIM-Harvard/race-injection-medqa

---
dataset_info:
features:
- name: id
dtype: string
- name: sent1
dtype: string
- name: sent2
dtype: string
- name: ending0
dtype: string
- name: ending1
dtype: string
- name: ending2
dtype: string
- name: ending3
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 9016446
num_examples: 10178
- name: asian
num_bytes: 882359
num_examples: 960
- name: black
num_bytes: 882359
num_examples: 960
- name: white
num_bytes: 882359
num_examples: 960
- name: hispanic
num_bytes: 885203
num_examples: 960
- name: vanilla
num_bytes: 877619
num_examples: 960
download_size: 7623391
dataset_size: 13426345
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: asian
path: data/asian-*
- split: black
path: data/black-*
- split: white
path: data/white-*
- split: hispanic
path: data/hispanic-*
- split: vanilla
path: data/vanilla-*
---

The dataset includes multiple features such as id, sent1, sent2, ending0 to ending3, and label, primarily consisting of string and integer types. The dataset is divided into several subsets, including a training set and subsets for different races, each with corresponding byte size and number of examples. Additionally, the download size and actual size of the dataset are provided.

原始信息汇总

数据集概述

特征信息

• id: 数据类型为字符串。
• sent1: 数据类型为字符串。
• sent2: 数据类型为字符串。
• ending0: 数据类型为字符串。
• ending1: 数据类型为字符串。
• ending2: 数据类型为字符串。
• ending3: 数据类型为字符串。
• label: 数据类型为整数（int64）。

数据分割

• train: 包含10178个样本，占用9016446字节。
• asian: 包含960个样本，占用882359字节。
• black: 包含960个样本，占用882359字节。
• white: 包含960个样本，占用882359字节。
• hispanic: 包含960个样本，占用885203字节。
• vanilla: 包含960个样本，占用877619字节。

数据集大小

• 下载大小: 7623391字节。
• 数据集总大小: 13426345字节。

配置信息

• default配置包含以下数据文件路径：
  • train: data/train-*
  • asian: data/asian-*
  • black: data/black-*
  • white: data/white-*
  • hispanic: data/hispanic-*
  • vanilla: data/vanilla-*