D4vidHuang/LLM_Of_Babel_PL_Leave5_Inf

--- 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 - name: masked_data dtype: string - name: predict dtype: string splits: - name: train num_bytes: 4394631 num_examples: 200 download_size: 1583710 dataset_size: 4394631 configs: - config_name: default data_files: - split: train path: data/train-* ---The dataset includes multiple features such as file ID, content, repository, path, token length, original comment, comment type, detected language, prompt, masked data, and prediction. The dataset is split into a training set with 200 examples, totaling 4394631 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int64。
• 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。
• masked_data: 数据类型为字符串。
• predict: 数据类型为字符串。

数据集分割

• train:
  • 字节数: 4394631
  • 示例数: 200

数据集大小

• 下载大小: 1583710字节
• 数据集大小: 4394631字节

配置

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