DatologyAI/lq_fineweb-edu-llama3-annotations

---
dataset_info:
features:
- name: text
dtype: string
- name: metadata
struct:
- name: date
dtype: int64
- name: dump
dtype: string
- name: file_path
dtype: string
- name: language
dtype: string
- name: language_score
dtype: float64
- name: token_count
dtype: int64
- name: url
dtype: string
- name: prompt
dtype: string
- name: score
dtype: int64
splits:
- name: train
num_bytes: 2908108156.5
num_examples: 382752
- name: test
num_bytes: 323123128.5
num_examples: 42528
download_size: 1425703840
dataset_size: 3231231285.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
- 名称：文本（text），数据类型：字符串
- 名称：元数据（metadata），结构体包含以下字段：
- 名称：日期（date），数据类型：64位整型
- 名称：转储数据（dump），数据类型：字符串
- 名称：文件路径（file_path），数据类型：字符串
- 名称：语言（language），数据类型：字符串
- 名称：语言检测得分（language_score），数据类型：浮点数
- 名称：Token计数，数据类型：64位整型
- 名称：URL，数据类型：字符串
- 名称：提示词（prompt），数据类型：字符串
- 名称：评分（score），数据类型：64位整型
数据集划分：
- 名称：训练集（train），占用字节数：2908108156.5，样本条数：382752
- 名称：测试集（test），占用字节数：323123128.5，样本条数：42528
下载大小：1425703840
数据集总大小：3231231285.0
配置项：
- 配置名称：默认配置（default），数据文件：
- 数据集划分：train（训练集），数据路径：data/train-*
- 数据集划分：test（测试集），数据路径：data/test-*