aitasum/aitasum-long

--- dataset_info: features: - name: id dtype: string - name: title_tokens sequence: string - name: text_tokens sequence: string - name: tldr_tokens sequence: string - name: date dtype: timestamp[ns] - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: short_labels sequence: sequence: int64 - name: short_input_ids sequence: sequence: int64 - name: long_labels sequence: sequence: int64 - name: long_input_ids sequence: sequence: int64 - name: labels sequence: sequence: int64 - name: decoder_input_ids sequence: sequence: int64 splits: - name: train num_bytes: 618048089 num_examples: 19711 - name: test num_bytes: 77366945 num_examples: 2464 - name: dev num_bytes: 77373821 num_examples: 2464 download_size: 56652417 dataset_size: 772788855 configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* - split: dev path: data/dev-* ---数据集信息： 特征列表： - 字段名：id，数据类型：字符串 - 字段名：title_tokens，为标题Token序列，数据类型：字符串序列 - 字段名：text_tokens，为文本Token序列，数据类型：字符串序列 - 字段名：tldr_tokens，为长文摘要Token序列，数据类型：字符串序列 - 字段名：date，数据类型：纳秒级时间戳 - 字段名：input_ids，为输入ID序列，数据类型：32位整数序列 - 字段名：attention_mask，为注意力掩码序列，数据类型：8位整数序列 - 字段名：short_labels，为短标签序列，其元素为64位整数序列 - 字段名：short_input_ids，为短输入ID序列，其元素为64位整数序列 - 字段名：long_labels，为长标签序列，其元素为64位整数序列 - 字段名：long_input_ids，为长输入ID序列，其元素为64位整数序列 - 字段名：labels，为标签序列，其元素为64位整数序列 - 字段名：decoder_input_ids，为解码器输入ID序列，其元素为64位整数序列 数据集拆分： - 拆分名称：train（训练集），字节大小：618048089 字节，样本数量：19711 - 拆分名称：test（测试集），字节大小：77366945 字节，样本数量：2464 - 拆分名称：dev（开发/验证集），字节大小：77373821 字节，样本数量：2464 下载总大小：56652417 字节 数据集总存储大小：772788855 字节 配置项： - 配置名称：default（默认配置），数据文件路径： - 拆分train：对应路径为data/train-* - 拆分test：对应路径为data/test-* - 拆分dev：对应路径为data/dev-*