PY007/slimpajama_LLAMA3_tokenized_chunk_512K

---
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: 46322185769
num_examples: 11287
download_size: 11471938209
dataset_size: 46322185769
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int64。
• labels：数据类型为int64。
• source：列表类型，包含以下元素：
  • end：数据类型为int64。
  • source：数据类型为string。
  • start：数据类型为int64。

数据集分割

• train：
  • 数据量：46322185769字节。
  • 示例数量：11287。

数据集大小

• 下载大小：11471938209字节。
• 数据集总大小：46322185769字节。

配置信息

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