D4vidHuang/LLM_Of_Babel_ZH2_RNDSelection_new

该数据集包含多个特征，如文件标识、内容、仓库信息、路径、令牌长度、原始评论、评论类型、检测到的语言和掩码评论。数据集分为一个训练集，包含9285个样本，总大小为114916090字节。

The dataset includes multiple features such as file_id, content, repo, path, token_length, original_comment, comment_type, detected_lang, and masked_comment. It is divided into a training set containing 9285 samples, with a total size of 114916090 bytes.

原始信息汇总

数据集概述

数据集特征

• 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。

数据集划分

• train: 包含9285个样本，总大小为115812969字节。

数据集大小

• 下载大小: 44130684字节
• 数据集总大小: 115812969字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*