maxidl/LeoLM-HellaSwag_de-fixed

该数据集是LeoLM/HellaSwag_de数据集的修改版本，移除了英文和德文结尾数量不一致的行。数据集包含多个特征，如索引、活动标签、上下文、结尾、来源ID、分割类型、标签等。数据集分为训练集和验证集，训练集包含1000个样本，验证集包含10035个样本。数据集的下载大小为18513367字节，数据集大小为32988091.887970522字节。

原始信息汇总

数据集概述

数据集信息

• 特征列表:

  • ind: 类型为 int64
  • activity_label: 类型为 string
  • ctx_a: 类型为 string
  • ctx_b: 类型为 string
  • ctx: 类型为 string
  • endings: 类型为 sequence 的 string
  • source_id: 类型为 string
  • split: 类型为 string
  • split_type: 类型为 string
  • label: 类型为 string
  • activity_label_de: 类型为 string
  • ctx_de: 类型为 string
  • endings_de: 类型为 sequence 的 string
  • translation_de: 类型为 string

• 数据分割:

  • train:
    • 字节数: 1592717.0
    • 样本数: 1000
  • validation:
    • 字节数: 31395374.887970522
    • 样本数: 10035

• 数据集大小:

  • 下载大小: 18513367
  • 数据集大小: 32988091.887970522

配置信息

• 配置名称: default
  • 数据文件:
    • train: 路径为 data/train-*
    • validation: 路径为 data/validation-*