polygraf-ai/mc_combined_v2

该数据集包含文本、标签、来源、链接和索引五个特征。数据集仅包含一个训练集，共有1,244,852个样本，总大小为1,686,326,340字节。标签分布如下：claude标签有576,696个样本，llama3有348,710个样本，openai有122,502个样本，mistral有118,166个样本，gemini有78,778个样本。

The dataset contains five features: text, label, source, link, and __index_level_0__. The dataset includes only a training set with 1,244,852 samples and a total size of 1,686,326,340 bytes. The label distribution is as follows: claude has 576,696 samples, llama3 has 348,710 samples, openai has 122,502 samples, mistral has 118,166 samples, and gemini has 78,778 samples.

原始信息汇总

数据集概述

数据集信息

• 特征:

  • text: 类型为 string
  • label: 类型为 string
  • source: 类型为 string
  • link: 类型为 string
  • __index_level_0__: 类型为 int64

• 分割:

  • train:
    • 字节数: 1686326340
    • 样本数: 1244852

• 下载大小: 799400205 字节

• 数据集大小: 1686326340 字节

配置

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

标签分布

label	样本数
claude	576696
llama3	348710
openai	122502
mistral	118166
gemini	78778