GetThePancake/PileOfLaw-10000-tokenized

--- dataset_info: features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 splits: - name: train num_bytes: 38794855 num_examples: 10000 download_size: 15355211 dataset_size: 38794855 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征： - 名称：输入ID（input_ids），序列类型，元素数据类型为int32 - 名称：注意力掩码（attention_mask），序列类型，元素数据类型为int8 数据集划分： - 划分名称：训练集（train），字节数：38794855，样本数量：10000 下载大小：15355211 数据集总大小：38794855 配置项： - 配置名称：默认配置（default），数据文件： - 对应训练划分，文件路径为 data/train-*