stojchet/kto-no_ref-final_base_dataset

该数据集包含Java和Python两种编程语言的配置。每种配置都包含三个特征：prompt（提示）、completion（完成）和label（标签），数据类型分别为字符串和布尔值。数据集分为训练集和验证集，分别提供了字节大小和样本数量的信息。此外，还提供了下载大小和数据集大小的信息。数据文件路径也根据配置和分割类型进行了详细说明。

The dataset includes configurations for two programming languages: Java and Python. Each configuration contains three features: prompt, completion, and label, with data types being string and boolean, respectively. The dataset is divided into training and validation sets, with information on byte size and number of examples provided for each. Additionally, download size and dataset size are provided. The data file paths are also detailed according to the configuration and split type.

原始信息汇总

数据集概述

数据集配置

Java

• 特征:
  • prompt: 字符串类型
  • completion: 字符串类型
  • label: 布尔类型
• 分割:
  • train:
    • 字节数: 32989401.0
    • 样本数: 29478
  • validation:
    • 字节数: 345844.0
    • 样本数: 387
• 下载大小: 15517605 字节
• 数据集大小: 33335245.0 字节
• 数据文件路径:
  • train: java/train-*
  • validation: java/validation-*

Python

• 特征:
  • prompt: 字符串类型
  • completion: 字符串类型
  • label: 布尔类型
• 分割:
  • train:
    • 字节数: 10786085.0
    • 样本数: 7563
  • validation:
    • 字节数: 449845.0
    • 样本数: 398
• 下载大小: 5464220 字节
• 数据集大小: 11235930.0 字节
• 数据文件路径:
  • train: python/train-*
  • validation: python/validation-*