AdapterOcean/biology_dataset_standardized_compressed

--- dataset_info: features: - name: text dtype: string - name: conversation_id dtype: int64 - name: embedding sequence: float32 - name: compressibility dtype: float64 splits: - name: train num_bytes: 387305305 num_examples: 19999 download_size: 368401496 dataset_size: 387305305 configs: - config_name: default data_files: - split: train path: data/train-* ---This dataset includes four features: text, conversation_id, embedding, and compressibility. The dataset is divided into a training set (train) with 19999 examples, totaling 387305305 bytes. The download size of the dataset is 368401496 bytes.

原始信息汇总

数据集概述

数据集特征

• text：文本类型，数据类型为字符串。
• conversation_id：对话ID，数据类型为整数。
• embedding：嵌入向量，数据类型为浮点数序列。
• compressibility：可压缩性，数据类型为双精度浮点数。

数据集划分

• 训练集（train）：包含19999个样本，总大小为387305305字节。

数据集大小

• 下载大小：368401496字节。
• 数据集总大小：387305305字节。

数据集配置

• 默认配置（default）：训练数据文件路径为data/train-*。