bigcode/self-oss-instruct-sc2-concepts

--- dataset_info: features: - name: prompt dtype: string - name: fingerprint dtype: 'null' - name: seed dtype: string - name: sha1 dtype: string - name: id dtype: int64 - name: concepts sequence: string splits: - name: train num_bytes: 1546511078 num_examples: 239121 download_size: 335965438 dataset_size: 1546511078 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征字段： - 字段名：提示词（Prompt），数据类型：字符串 - 字段名：指纹（Fingerprint），数据类型：空类型（null） - 字段名：种子（Seed），数据类型：字符串 - 字段名：SHA1哈希值（SHA1），数据类型：字符串 - 字段名：编号（ID），数据类型：64位整型 - 字段名：概念列表（Concepts），数据类型：字符串序列 数据集划分： - 划分名称：训练集（train），占用字节数：1546511078，样本数量：239121 下载大小：335965438 字节 数据集总存储大小：1546511078 字节 配置项： - 配置名称：默认配置（default），数据文件： - 对应划分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集信息

特征

• prompt: 数据类型为字符串。
• fingerprint: 数据类型为空。
• seed: 数据类型为字符串。
• sha1: 数据类型为字符串。
• id: 数据类型为整数（int64）。
• concepts: 数据类型为字符串序列。

数据分割

• train: 包含239121个样本，占用1546511078字节。

数据大小

• 下载大小: 335965438字节。
• 数据集大小: 1546511078字节。

配置

• default:
  • 数据文件:
    • train: 路径为data/train-*。