hanifsyarubany10/JakartaSearch-IndoQA-gemma

---
dataset_info:
features:
- name: context
dtype: string
- name: question
dtype: string
- name: answer
dtype: string
- name: prompt
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 10670699
num_examples: 4333
download_size: 4886008
dataset_size: 10670699
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征项：
- 上下文（context）：数据类型为字符串（string）
- 问题（question）：数据类型为字符串（string）
- 答案（answer）：数据类型为字符串（string）
- 提示词（prompt）：数据类型为字符串（string）
- 输入标识序列（input_ids）：类型为32位整数（int32）序列
- 注意力掩码序列（attention_mask）：类型为8位整数（int8）序列
数据集拆分：
- 训练集（train）：占用字节数10670699，样本数量4333
下载大小：4886008字节，数据集总大小：10670699字节
数据集配置：
- 默认配置（default）：
数据文件：
- 训练集拆分：数据路径为data/train-*

原始信息汇总

数据集概述

数据集特征

• context：字符串类型
• question：字符串类型
• answer：字符串类型
• prompt：字符串类型
• input_ids：整数序列，类型为int32
• attention_mask：整数序列，类型为int8

数据集分割

• 训练集（train）：
  • 数据量：10670699字节
  • 示例数量：4333个

数据集大小

• 下载大小：4886008字节
• 数据集总大小：10670699字节

配置信息

• 配置名称：default
• 数据文件路径：
  • 分割类型：train
  • 路径：data/train-*