Yunij/testing_kaggle_ai_detection_dataset

---
license: apache-2.0
dataset_info:
features:
- name: prompt
dtype: string
- name: text
dtype: string
- name: source
dtype: string
- name: label
dtype: int64
- name: perplexity
dtype: float64
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 1244922869
num_examples: 330345
- name: test
num_bytes: 65575515
num_examples: 17387
download_size: 435690981
dataset_size: 1310498384
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

许可证：Apache-2.0
数据集信息：
特征字段：
- 字段名：提示词（prompt），数据类型：字符串（string）
- 字段名：文本（text），数据类型：字符串（string）
- 字段名：来源（source），数据类型：字符串（string）
- 字段名：标签（label），数据类型：64位整数（int64）
- 字段名：困惑度（perplexity），数据类型：64位浮点数（float64）
- 字段名：输入标识（input_ids），数据类型：32位整数序列
- 字段名：注意力掩码（attention_mask），数据类型：8位整数序列
数据集划分：
- 划分名称：训练集（train），字节大小：1244922869，样本数量：330345
- 划分名称：测试集（test），字节大小：65575515，样本数量：17387
下载大小：435690981
数据集总大小：1310498384
配置项：
- 配置名称：默认配置（default），数据文件：
- 训练集划分：路径为 data/train-*
- 测试集划分：路径为 data/test-*

原始信息汇总

数据集概述

许可证

• Apache 2.0

数据集信息

特征

• prompt: 字符串类型
• text: 字符串类型
• source: 字符串类型
• label: 64位整数类型
• perplexity: 64位浮点数类型
• input_ids: 32位整数序列
• attention_mask: 8位整数序列

数据分割

• train:
  • 字节数: 1244922869
  • 样本数: 330345
• test:
  • 字节数: 65575515
  • 样本数: 17387

数据大小

• 下载大小: 435690981 字节
• 数据集大小: 1310498384 字节

配置

• default:
  • 数据文件:
    • train: data/train-*
    • test: data/test-*