IlyaGusev/rulm

这是一个用于训练俄语语言模型的数据集，包含来自多个网站（如pikabu、lenta、stihi等）的文本数据。数据集总大小为75G，包含训练、测试和验证三个分割，分别有14811026、74794和74691个样本。数据集的特征为文本（text），任务类别为文本生成（text-generation），语言为俄语（ru），大小类别为10M<n<100M。

原始信息汇总

数据集概述

基本信息

• 特征名称：text
• 特征类型：string

数据分割

• 训练集：
  • 样本数：14811026
  • 数据大小：78609111353字节
• 测试集：
  • 样本数：74794
  • 数据大小：397130292字节
• 验证集：
  • 样本数：74691
  • 数据大小：395354867字节

下载与数据集大小

• 下载大小：24170140196字节
• 数据集总大小：79401596512字节

任务与语言

• 任务类别：text-generation
• 语言：Russian (ru)

数据集规模

• 规模类别：10M<n<100M