parislo/LLM-of-Babel-GR-masked-random-selection

--- 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 splits: - name: train num_bytes: 6441346 num_examples: 430 download_size: 2195152 dataset_size: 6441346 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, and prompt. The dataset is divided into a training set with 430 examples, totaling 6441346 bytes. The configuration name of the dataset is default, and the training data files are located at data/train-* path.

原始信息汇总

数据集概述

数据集信息

特征

• file_id: 文件ID，数据类型为字符串。
• content: 内容，数据类型为字符串。
• repo: 仓库，数据类型为字符串。
• path: 路径，数据类型为字符串。
• token_length: 标记长度，数据类型为整数（int64）。
• original_comment: 原始评论，数据类型为字符串。
• comment_type: 评论类型，数据类型为字符串。
• detected_lang: 检测到的语言，数据类型为字符串。
• prompt: 提示，数据类型为字符串。

数据分割

• train: 训练集，包含430个样本，总字节数为6441346。

数据集大小

• 下载大小: 2195152字节
• 数据集大小: 6441346字节

配置

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