distilabel-internal-testing/fineweb-edu-subset

---
dataset_info:
features:
- name: text
dtype: string
- name: id
dtype: string
- name: dump
dtype: string
- name: url
dtype: string
- name: file_path
dtype: string
- name: language
dtype: string
- name: language_score
dtype: float64
- name: token_count
dtype: int64
- name: score
dtype: float64
- name: int_score
dtype: int64
splits:
- name: train
num_bytes: 254218
num_examples: 100
download_size: 166821
dataset_size: 254218
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• text：字符串类型
• id：字符串类型
• dump：字符串类型
• url：字符串类型
• file_path：字符串类型
• language：字符串类型
• language_score：浮点数类型
• token_count：整数类型
• score：浮点数类型
• int_score：整数类型

数据集划分

• train：
  • 字节数：254218
  • 示例数：100

数据集大小

• 下载大小：166821字节
• 数据集大小：254218字节

配置

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