adorkin/olmocr_science_pdfs-games

--- dataset_info: features: - name: id dtype: string - name: text dtype: string - name: n_tokens dtype: int64 splits: - name: train num_bytes: 10032975940 num_examples: 157179 download_size: 5176630123 dataset_size: 10032975940 configs: - config_name: default data_files: - split: train path: data/train-* --- https://huggingface.co/datasets/allenai/dolma3_pool/tree/main/data/olmocr_science_pdfs-games数据集信息： 特征： - 字段名：id，数据类型：字符串 - 字段名：文本（text），数据类型：字符串 - 字段名：词元数量（Token），数据类型：64位整型 数据集划分： - 划分名：训练集（train），字节占用量：10032975940，样本总数：157179 下载体积：5176630123，数据集总占用体积：10032975940 数据集配置： - 配置名：默认配置（default），数据文件： - 对应划分：训练集，文件路径：data/train-* 数据集来源链接：https://huggingface.co/datasets/allenai/dolma3_pool/tree/main/data/olmocr_science_pdfs-games