jan-hq/indonesian_sft_binarized

---
dataset_info:
features:
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 30717769.625560213
num_examples: 12450
- name: test
num_bytes: 3414730.374439786
num_examples: 1384
download_size: 15445003
dataset_size: 34132500.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征：
- 名称：messages，类型为列表，列表元素包含以下子字段：
- 名称：content，数据类型：字符串（string）
- 名称：role，数据类型：字符串（string）
数据集划分：
- 划分名称：train（训练集），字节大小：30717769.625560213，样本数量：12450
- 划分名称：test（测试集），字节大小：3414730.374439786，样本数量：1384
下载大小：15445003
总数据集大小：34132500.0
配置项：
- 配置名称：default（默认配置），数据文件路径：
- 训练集划分对应路径：data/train-*
- 测试集划分对应路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• 名称: messages
  • 字段:
    • content: 数据类型为字符串
    • role: 数据类型为字符串

数据集分割

• 训练集:
  • 示例数量: 12450
  • 数据大小: 30717769.625560213 字节
• 测试集:
  • 示例数量: 1384
  • 数据大小: 3414730.374439786 字节

数据集大小

• 下载大小: 15445003 字节
• 总数据集大小: 34132500.0 字节

数据文件配置

• 默认配置:
  • 训练数据路径: data/train-*
  • 测试数据路径: data/test-*