daniazie/CCAligned-sents-bi_300000

--- dataset_info: features: - name: instr dtype: string - name: src dtype: string - name: ref dtype: string - name: src_lang dtype: string - name: tgt_lang dtype: string splits: - name: train num_bytes: 466698324 num_examples: 1440000 - name: valid num_bytes: 116605020 num_examples: 360000 download_size: 255726015 dataset_size: 583303344 configs: - config_name: default data_files: - split: train path: data/train-* - split: valid path: data/valid-* ---数据集信息（dataset_info）： 特征： - 字段名：instr（指令），数据类型：字符串 - 字段名：src（源文本），数据类型：字符串 - 字段名：ref（参考文本），数据类型：字符串 - 字段名：src_lang（源语言），数据类型：字符串 - 字段名：tgt_lang（目标语言），数据类型：字符串 数据划分： - 划分名称：训练集（train），字节数：466698324，样本数：1440000 - 划分名称：验证集（valid），字节数：116605020，样本数：360000 下载总大小：255726015，数据集总大小：583303344 配置项： - 配置名称：默认（default），数据文件： - 训练集划分：路径为 data/train-* - 验证集划分：路径为 data/valid-*