zh-tw-llm-dv-dv/zh-tw-llm-dev-sample-ta1k-f6dd50-embeddings-tr_alp-61d3e1-c2048
收藏Hugging Face2023-05-14 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/zh-tw-llm-dv-dv/zh-tw-llm-dev-sample-ta1k-f6dd50-embeddings-tr_alp-61d3e1-c2048
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是`zh-tw-llm-dev`项目的一部分，主要用于开发中文（繁体）语言模型。数据集包含了300行数据，最大长度为2048。数据集构建时使用了`translations`和`alpaca`两种方法，分别从`zetavg/coct-en-zh-tw-translations-twp-300k`和`zetavg/traditional-chinese-alpaca-en-align`两个源数据集中提取数据。数据集的特征包括`input_ids`、`attention_mask`、`labels`和`preview`，分别用于表示输入的token ID、注意力掩码、标签和预览文本。
该数据集是`zh-tw-llm-dev`项目的一部分，主要用于开发中文（繁体）语言模型。数据集包含了300行数据，最大长度为2048。数据集构建时使用了`translations`和`alpaca`两种方法，分别从`zetavg/coct-en-zh-tw-translations-twp-300k`和`zetavg/traditional-chinese-alpaca-en-align`两个源数据集中提取数据。数据集的特征包括`input_ids`、`attention_mask`、`labels`和`preview`，分别用于表示输入的token ID、注意力掩码、标签和预览文本。
提供机构：
zh-tw-llm-dv-dv
原始信息汇总
数据集概述
基本信息
- 数据集大小: 475784.0 字节
- 下载大小: 146475 字节
- 训练集样本数: 300
特征信息
- input_ids: 序列类型为 int32
- attention_mask: 序列类型为 int8
- labels: 序列类型为 int64
- preview: 数据类型为字符串
数据集分割
- 训练集
- 字节数: 475784.0 字节
- 样本数: 300
