diwank/llmlingua-compressed-text

---
dataset_info:
features:
- name: token_counts
sequence: int64
- name: original
dtype: string
- name: compressed
dtype: string
splits:
- name: train
num_bytes: 103018912
num_examples: 150908
- name: test
num_bytes: 49074430
num_examples: 71440
download_size: 92752725
dataset_size: 152093342
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• token_counts: 序列类型，整数（int64）。
• original: 数据类型为字符串（string）。
• compressed: 数据类型为字符串（string）。

数据集分割

• 训练集（train）:
  • 示例数量: 150908
  • 数据大小: 103018912 字节
• 测试集（test）:
  • 示例数量: 71440
  • 数据大小: 49074430 字节

数据集大小

• 下载大小: 92752725 字节
• 数据集总大小: 152093342 字节

数据文件配置

• 默认配置（default）:
  • 训练数据路径: data/train-*
  • 测试数据路径: data/test-*