Efe2898/InstrucTurca-gemma3-8k-tokenized

--- dataset_info: features: - name: input_ids list: int32 - name: attention_mask list: int8 - name: labels list: int64 - name: length dtype: int64 - name: truncated dtype: bool - name: text dtype: string splits: - name: train num_bytes: 18787100504 num_examples: 2575430 download_size: 20192258184 dataset_size: 18787100504 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 数据特征： - 名称：输入标识（input_ids），类型：int32类型列表 - 名称：注意力掩码（attention_mask），类型：int8类型列表 - 名称：标签（labels），类型：int64类型列表 - 名称：序列长度（length），数据类型：int64 - 名称：截断标记（truncated），数据类型：布尔值 - 名称：原始文本（text），数据类型：字符串 数据划分： - 名称：训练集（train），字节占用量：18787100504，样本总数：2575430 下载大小：20192258184 数据集总大小：18787100504 数据集配置： - 配置名称：默认（default），数据文件： - 对应数据拆分：训练集，文件路径：data/train-*