PY007/SP_llama_chunk_200K_books_arxiv

---
dataset_info:
features:
- name: input_ids
sequence: int64
- name: labels
dtype: int64
- name: source
list:
- name: end
dtype: int64
- name: source
dtype: string
- name: start
dtype: int64
splits:
- name: train
num_bytes: 18230450217
num_examples: 11388
download_size: 3887875426
dataset_size: 18230450217
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

• input_ids：序列类型为整数64位。
• labels：数据类型为整数64位。
• source：列表类型，包含以下元素：
  • end：数据类型为整数64位。
  • source：数据类型为字符串。
  • start：数据类型为整数64位。

数据集分割

• train：
  • 数据量：18230450217字节。
  • 示例数量：11388个。

数据集大小

• 下载大小：3887875426字节。
• 数据集大小：18230450217字节。

配置

• default：
  • 训练数据路径：data/train-*。