timaeus/dsir-pile-100k-filtered-for-github

--- dataset_info: features: - name: contents dtype: string - name: metadata struct: - name: pile_set_name sequence: string - name: id dtype: int64 splits: - name: train num_bytes: 227166.40089 num_examples: 143 download_size: 141848 dataset_size: 227166.40089 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征字段： - 字段名：contents，数据类型：字符串（string） - 字段名：元数据（metadata），为结构体类型，包含子字段： - 子字段名：pile_set_name（语料库集名称），类型为字符串序列 - 字段名：id，数据类型：64位整型（int64） 数据集划分： - 划分名称：train（训练集），占用字节数：227166.40089，样本总数：143 下载总大小：141848 数据集总存储大小：227166.40089 配置项列表： - 配置名称：default（默认配置），数据文件配置： - 对应数据集划分：train（训练集），文件路径：data/train-*