kanishka/babylm1sents-ntx

---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 581962345
num_examples: 11631995
- name: validation
num_bytes: 56316589
num_examples: 1127500
download_size: 400112384
dataset_size: 638278934
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

数据集信息：
特征字段：
- 字段名称：text，数据类型：字符串（string）
数据集划分：
- 划分名称：训练集（train），占用字节数：581962345，样本总量：11631995
- 划分名称：验证集（validation），占用字节数：56316589，样本总量：1127500
下载总大小：400112384
数据集总存储大小：638278934
配置项：
- 配置名称：默认配置（default），数据文件配置：
- 数据集划分：训练集（train），文件路径：data/train-*
- 数据集划分：验证集（validation），文件路径：data/validation-*