kanishka/counterfactual_babylm_pipps_10k

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 586264365 num_examples: 11642617 - name: validation num_bytes: 56120230 num_examples: 1026747 download_size: 424672619 dataset_size: 642384595 --- # Dataset Card for "counterfactual_babylm_pipps_10k" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)### 数据集信息 特征： - 名称：text，数据类型：字符串（string） 数据集拆分： - 拆分名称：训练集（train），占用字节数：586264365，样本数量：11642617 - 拆分名称：验证集（validation），占用字节数：56120230，样本数量：1026747 下载总大小：424672619，数据集总存储大小：642384595 --- # 「counterfactual_babylm_pipps_10k」数据集卡片 [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

特征

• 名称: text
• 数据类型: string

数据分割

• 训练集
  • 字节数: 586264365
  • 样本数: 11642617
• 验证集
  • 字节数: 56120230
  • 样本数: 1026747

数据大小

• 下载大小: 424672619
• 数据集大小: 642384595