NickyNicky/aya_dataset_multilingual_chatml_gemma_response_json

--- dataset_info: features: - name: text dtype: string - name: len_tokens dtype: int64 splits: - name: train num_bytes: 44143916 num_examples: 48016 download_size: 8526144 dataset_size: 44143916 configs: - config_name: default data_files: - split: train path: data/train-* --- #tokenizer: google/gemma-2b-it # hist len_tokens  ``` <bos><start_of_turn>system You are a helpful AI assistant. solo responde en formato json. lista de codigos linguisticos disponibles: ["es", "en", "fr", "de"].<end_of_turn> <start_of_turn>user { "input": "es", "targets": "fr", "inputs_es": "¿Qué presidente de los Estados Unidos nunca se ha casado?" }<end_of_turn> <start_of_turn>model { "targets": "fr", "targets_fr": "James Buchanan est le seul président qui ne s'est jamais marié." }<end_of_turn><eos> ``` # describe.  # percentil. 

原始信息汇总

数据集概述

特征信息

• 名称: text
  • 数据类型: string
• 名称: len_tokens
  • 数据类型: int64

数据分割

• 名称: train
  • 字节数: 44143916
  • 样本数: 48016

数据大小

• 下载大小: 8526144
• 数据集大小: 44143916

配置信息

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