D4vidHuang/LLM_Of_Babel_NL2_Leave5

---
dataset_info:
features:
- name: file_id
dtype: string
- name: content
dtype: string
- name: repo
dtype: string
- name: path
dtype: string
- name: token_length
dtype: int64
- name: original_comment
dtype: string
- name: comment_type
dtype: string
- name: detected_lang
dtype: string
- name: prompt
dtype: string
splits:
- name: train
num_bytes: 111152486
num_examples: 5917
download_size: 39674985
dataset_size: 111152486
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集信息

特征

• file_id: 数据类型为字符串。
• content: 数据类型为字符串。
• repo: 数据类型为字符串。
• path: 数据类型为字符串。
• token_length: 数据类型为整数（int64）。
• original_comment: 数据类型为字符串。
• comment_type: 数据类型为字符串。
• detected_lang: 数据类型为字符串。
• prompt: 数据类型为字符串。

数据分割

• train: 包含5917个样本，总字节数为111152486。

数据集大小

• 下载大小: 39674985字节。
• 数据集大小: 111152486字节。

配置

• default: 包含训练数据文件，路径为data/train-*。