geodesic-research/sfm-alignment-labeling-v1

--- dataset_info: features: - name: id dtype: string - name: passage_id dtype: int64 - name: source dtype: string - name: text dtype: string - name: category dtype: string - name: label dtype: int64 - name: annotator dtype: string - name: llm_annotator_confidence dtype: string - name: llm_annotator_rationale dtype: string - name: llm_annotator_raw_cot dtype: string - name: llm_annotator_raw_final_generation dtype: string splits: - name: train num_bytes: 1354185539 num_examples: 106513 - name: validation num_bytes: 143825375 num_examples: 8608 - name: test num_bytes: 4811406 num_examples: 529 download_size: 868619666 dataset_size: 1502822320 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* - split: test path: data/test-* ---数据集信息： 特征字段： - 名称：id，数据类型：字符串 - 名称：passage_id，数据类型：64位整型 - 名称：source，数据类型：字符串 - 名称：text，数据类型：字符串 - 名称：category，数据类型：字符串 - 名称：label，数据类型：64位整型 - 名称：annotator，数据类型：字符串 - 名称：大语言模型（Large Language Model）标注者置信度，数据类型：字符串 - 名称：大语言模型标注者推理依据，数据类型：字符串 - 名称：大语言模型标注者原始思维链（Chain-of-Thought，CoT），数据类型：字符串 - 名称：大语言模型标注者原始最终生成结果，数据类型：字符串 数据集划分： - 划分名称：训练集，字节占用量：1354185539，样本总数：106513 - 划分名称：验证集，字节占用量：143825375，样本总数：8608 - 划分名称：测试集，字节占用量：4811406，样本总数：529 下载总大小：868619666，数据集总存储大小：1502822320 数据集配置： - 配置名称：默认（default），数据文件： - 训练集划分：对应路径 data/train-* - 验证集划分：对应路径 data/validation-* - 测试集划分：对应路径 data/test-*