bert6_512

该数据集使用bert-cased分词器，每个样本的token数量上限为512。数据集主要包含三个特征：input_ids（整数序列）、token_type_ids（8位整数序列）和attention_mask（8位整数序列）。数据集分为训练集，大小为228229039152字节，包含74004228个样本。