emozilla/govreport-test-tokenized-mistral

---
dataset_info:
features:
- name: id
dtype: string
- name: pid
dtype: string
- name: input
dtype: string
- name: output
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: tokenized_len
dtype: int64
splits:
- name: test
num_bytes: 105052939
num_examples: 973
download_size: 43495868
dataset_size: 105052939
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
---
# Dataset Card for "govreport-test-tokenized-mistral"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征列表:

  • id: 类型为字符串
  • pid: 类型为字符串
  • input: 类型为字符串
  • output: 类型为字符串
  • input_ids: 类型为整数序列
  • attention_mask: 类型为整数序列（8位）
  • tokenized_len: 类型为64位整数

• 数据分割:

  • test: 包含973个样本，总字节数为105052939

• 文件大小:

  • 下载大小: 43495868字节
  • 数据集大小: 105052939字节

配置信息

• 默认配置:
  • 数据文件路径: data/test-*