HuggingFaceTB/cosmopedia-meta

这是Cosmopedia数据集的元数据版本，其中`text`和`prompt`列已被删除。数据集包含特征如文本标记长度、种子数据、格式和受众等，并提供了训练集的分割信息。

原始信息汇总

数据集信息

特征

• text_token_length: 数据类型为 int64
• seed_data: 数据类型为 string
• format: 数据类型为 string
• audience: 数据类型为 string

数据分割

• train:
  • 字节数: 1819967750
  • 样本数: 31064744

数据大小

• 下载大小: 160513422
• 数据集大小: 1819967750

配置

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*