kanishka/babylm1_no_preemption_laugh-lemmatized

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 586857517 num_examples: 11630547 - name: validation num_bytes: 56817696 num_examples: 1127501 download_size: 381328734 dataset_size: 643675213 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） 数据拆分： - 拆分名称：train（训练集），占用字节数：586857517，样本数量：11630547 - 拆分名称：validation（验证集），占用字节数：56817696，样本数量：1127501 下载大小：381328734，总数据集存储大小：643675213 配置项： - 配置名称：default（默认配置），数据文件： - 拆分：train（训练集），文件路径：data/train-* - 拆分：validation（验证集），文件路径：data/validation-*