D4vidHuang/LLM_Of_Babel_NL2_Leave4

---
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: 110822108
num_examples: 5941
download_size: 39608268
dataset_size: 110822108
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 5941 samples. The download size of the dataset is 39608268 bytes, and the actual size is 110822108 bytes.

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: 数据类型为整数。
• 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。

数据集分割

• train: 包含5941个样本，总大小为110822108字节。

数据集大小

• 下载大小: 39608268字节。
• 数据集总大小: 110822108字节。

配置

• 默认配置: 训练数据文件路径为data/train-*。