kanishka/counterfactual_babylm_300_naans_new

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 581828750 num_examples: 11632617 - name: validation num_bytes: 56120230 num_examples: 1026747 download_size: 421684788 dataset_size: 637948980 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* ---数据集信息： 特征列表： - 字段名称：text，数据类型：字符串（string） 数据集拆分： - 训练集（train）：数据字节数为581828750，样本总数为11632617 - 验证集（validation）：数据字节数为56120230，样本总数为1026747 该数据集的总下载大小为421684788字节，完整数据集总大小为637948980字节。 配置项： - 默认配置（default）： 对应的数据文件路径如下： - 训练集划分：data/train-* - 验证集划分：data/validation-*

原始信息汇总

数据集概述

数据集特征

• 名称: text
• 数据类型: string

数据集分割

• 训练集
  • 示例数量: 11632617
  • 字节数: 581828750
• 验证集
  • 示例数量: 1026747
  • 字节数: 56120230

数据集大小

• 下载大小: 421684788
• 总大小: 637948980

数据文件配置

• 配置名称: default
• 训练集路径: data/train-*
• 验证集路径: data/validation-*