Weni/LLM-base-clean

--- dataset_info: features: - name: prompt dtype: string - name: input_ids sequence: int32 - name: token_type_ids sequence: int8 - name: attention_mask sequence: int8 splits: - name: train num_bytes: 44378631 num_examples: 20042 download_size: 13976411 dataset_size: 44378631 --- # Dataset Card for "LLM-base-clean" [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

数据集名称

LLM-base-clean

数据结构

• prompt: 字符串类型
• input_ids: 整数序列，类型为int32
• token_type_ids: 整数序列，类型为int8
• attention_mask: 整数序列，类型为int8

数据分割

• train: 包含20042个样本，总大小为44378631字节

数据集大小

• 下载大小: 13976411字节
• 数据集总大小: 44378631字节