crumb/KAP4ICL-C4-UL2-15k

--- dataset_info: features: - name: combined_facts_text dtype: string - name: raw_text dtype: string - name: raw_facts sequence: string - name: raw_fact_prompts sequence: string - name: raw_topics sequence: string - name: raw_topic_prompts sequence: string - name: len_text dtype: int64 - name: num_identifications dtype: int64 - name: base_topic_count dtype: int64 - name: len_raw_text dtype: int64 - name: len_raw_facts dtype: int64 splits: - name: train num_bytes: 82413380 num_examples: 15000 download_size: 47256239 dataset_size: 82413380 configs: - config_name: default data_files: - split: train path: data/train-* --- # Dataset Card for "KAP4ICL-C4-UL2-15k" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)--- 数据集信息: 特征字段: - 字段名：组合事实文本（combined_facts_text），数据类型（dtype）：字符串（string） - 字段名：原始文本（raw_text），数据类型（dtype）：字符串（string） - 字段名：原始事实集（raw_facts），数据类型：字符串序列（sequence<string>） - 字段名：原始事实提示词集（raw_fact_prompts），数据类型：字符串序列（sequence<string>） - 字段名：原始主题集（raw_topics），数据类型：字符串序列（sequence<string>） - 字段名：原始主题提示词集（raw_topic_prompts），数据类型：字符串序列（sequence<string>） - 字段名：文本长度（len_text），数据类型（dtype）：64位整数（int64） - 字段名：识别计数（num_identifications），数据类型（dtype）：64位整数（int64） - 字段名：基础主题数（base_topic_count），数据类型（dtype）：64位整数（int64） - 字段名：原始文本长度（len_raw_text），数据类型（dtype）：64位整数（int64） - 字段名：原始事实数（len_raw_facts），数据类型（dtype）：64位整数（int64） 数据划分: - 划分名称：训练集（train），字节数（num_bytes）：82413380，样本数（num_examples）：15000 下载大小（download_size）：47256239 数据集总大小（dataset_size）：82413380 配置项: - 配置名称：默认配置（default），数据文件（data_files）: - 数据划分：训练集（train），路径：data/train-* --- # "KAP4ICL-C4-UL2-15k"数据集卡片 [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征列表：

  • combined_facts_text：字符串类型
  • raw_text：字符串类型
  • raw_facts：字符串序列
  • raw_fact_prompts：字符串序列
  • raw_topics：字符串序列
  • raw_topic_prompts：字符串序列
  • len_text：64位整数类型
  • num_identifications：64位整数类型
  • base_topic_count：64位整数类型
  • len_raw_text：64位整数类型
  • len_raw_facts：64位整数类型

• 数据分割：

  • train：
    • 字节数：82413380
    • 样本数：15000

• 数据集大小：

  • 下载大小：47256239 字节
  • 数据集大小：82413380 字节

配置信息

• 默认配置：
  • 数据文件：
    • 分割：train
    • 路径：data/train-*