wejendorp/ABA_uncased_training

---
dataset_info:
features:
- name: labels
sequence: int64
- name: document
dtype: int64
- name: prompt_id
dtype: int64
- name: trailing_whitespace
sequence: bool
- name: llm_generated
dtype: bool
- name: text
dtype: string
- name: tokens
sequence: string
- name: labels_int
sequence: int64
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 149606366
num_examples: 7903
- name: test
num_bytes: 30596797
num_examples: 1362
- name: validation
num_bytes: 37599752
num_examples: 1976
download_size: 44937435
dataset_size: 217802915
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
---

原始信息汇总

数据集概述

数据集特征

• labels：序列类型为int64。
• document：数据类型为int64。
• prompt_id：数据类型为int64。
• trailing_whitespace：序列类型为bool。
• llm_generated：数据类型为bool。
• text：数据类型为string。
• tokens：序列类型为string。
• labels_int：序列类型为int64。
• input_ids：序列类型为int32。
• attention_mask：序列类型为int8。

数据集分割

• 训练集：
  • 字节数：149606366
  • 示例数：7903
• 测试集：
  • 字节数：30596797
  • 示例数：1362
• 验证集：
  • 字节数：37599752
  • 示例数：1976

数据集大小

• 下载大小：44937435字节
• 数据集总大小：217802915字节

配置文件

• 默认配置：
  • 训练集路径：data/train-*
  • 测试集路径：data/test-*
  • 验证集路径：data/validation-*