pakphum/babylm-en-nl-mandarin-2026-10M

---
dataset_info:
- config_name: en
features:
- name: text
dtype: string
- name: language
dtype: string
splits:
- name: train
num_bytes: 22716698
num_examples: 547573
download_size: 9670424
dataset_size: 22716698
- config_name: mandarin
features:
- name: text
dtype: string
- name: language
dtype: string
splits:
- name: train
num_bytes: 10464748
num_examples: 5388
download_size: 6559573
dataset_size: 10464748
- config_name: nl
features:
- name: text
dtype: string
- name: language
dtype: string
splits:
- name: train
num_bytes: 18128215
num_examples: 47195
download_size: 11869648
dataset_size: 18128215
configs:
- config_name: en
data_files:
- split: train
path: en/train-*
- config_name: mandarin
data_files:
- split: train
path: mandarin/train-*
- config_name: nl
data_files:
- split: train
path: nl/train-*
---

数据集信息：
- 配置名称：英语（en）
特征字段：
- 名称：文本（text），数据类型（dtype）：字符串（string）
- 名称：语言（language），数据类型（dtype）：字符串（string）
数据集划分：
- 划分名称：训练集（train），占用字节数（num_bytes）：22716698，样本总数（num_examples）：547573
下载体积：9670424，数据集存储体积：22716698
- 配置名称：普通话（mandarin）
特征字段：
- 名称：文本（text），数据类型（dtype）：字符串（string）
- 名称：语言（language），数据类型（dtype）：字符串（string）
数据集划分：
- 划分名称：训练集（train），占用字节数（num_bytes）：10464748，样本总数（num_examples）：5388
下载体积：6559573，数据集存储体积：10464748
- 配置名称：荷兰语（nl）
特征字段：
- 名称：文本（text），数据类型（dtype）：字符串（string）
- 名称：语言（language），数据类型（dtype）：字符串（string）
数据集划分：
- 划分名称：训练集（train），占用字节数（num_bytes）：18128215，样本总数（num_examples）：47195
下载体积：11869648，数据集存储体积：18128215
配置项：
- 配置名称：英语（en），数据文件：
- 数据集划分：训练集（train），文件路径：en/train-*
- 配置名称：普通话（mandarin），数据文件：
- 数据集划分：训练集（train），文件路径：mandarin/train-*
- 配置名称：荷兰语（nl），数据文件：
- 数据集划分：训练集（train），文件路径：nl/train-*