parislo/LLM-of-Babel-GR-predictions

该数据集包含与代码相关的多个特征，如文件ID、内容、仓库、路径、标记长度、原始注释、注释类型、检测到的语言、提示、掩码数据、预测、标记化数据和标记化文本。数据集分为训练集，包含429个示例，总大小为28621777字节。

原始信息汇总

数据集概述

数据集特征

• file_id: 数据类型为字符串。
• content: 数据类型为字符串。
• repo: 数据类型为字符串。
• path: 数据类型为字符串。
• token_length: 数据类型为整数。
• original_comment: 数据类型为字符串。
• comment_type: 数据类型为字符串。
• detected_lang: 数据类型为字符串。
• prompt: 数据类型为字符串。
• masked_data: 数据类型为字符串。
• predict: 数据类型为字符串。
• tokenized_data: 数据类型为整数序列。
• tokenized_text: 数据类型为字符串序列。

数据集分割

• train:
  • 字节数: 28621777
  • 示例数: 429

数据集大小

• 下载大小: 7183019
• 数据集大小: 28621777

配置

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