ardauzunoglu/fineweb-arc-easy-top200m
收藏Hugging Face2026-04-12 更新2026-04-26 收录
下载链接：
https://hf-mirror.com/datasets/ardauzunoglu/fineweb-arc-easy-top200m
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: text
dtype: string
- name: id
dtype: string
- name: dump
dtype: string
- name: url
dtype: string
- name: file_path
dtype: string
- name: language
dtype: string
- name: language_score
dtype: float64
- name: token_count
dtype: int64
- name: score
dtype: float64
- name: int_score
dtype: int64
- name: agreement_score
dtype: float64
- name: agreement_loss
dtype: float64
- name: agreement_token_count
dtype: int64
- name: agreement_effective_token_count
dtype: int64
- name: agreement_doc_gradient_l2
dtype: float64
- name: agreement_stream_index
dtype: int64
- name: agreement_text_preview
dtype: string
- name: agreement_worker_rank
dtype: int64
- name: agreement_rank
dtype: int64
splits:
- name: train
num_bytes: 2217606317
num_examples: 502579
download_size: 1283121392
dataset_size: 2217606317
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
数据集信息：
特征：
- 字段名：text（文本），数据类型（dtype）：字符串
- 字段名：id（标识符），数据类型（dtype）：字符串
- 字段名：dump，数据类型（dtype）：字符串
- 字段名：url（统一资源定位符/URL），数据类型（dtype）：字符串
- 字段名：file_path（文件路径），数据类型（dtype）：字符串
- 字段名：language（语言），数据类型（dtype）：字符串
- 字段名：language_score（语言得分），数据类型（dtype）：64位浮点数（float64）
- 字段名：token_count（Token数量），数据类型（dtype）：64位整数（int64）
- 字段名：score（得分），数据类型（dtype）：64位浮点数（float64）
- 字段名：int_score（整数得分），数据类型（dtype）：64位整数（int64）
- 字段名：agreement_score（一致性得分），数据类型（dtype）：64位浮点数（float64）
- 字段名：agreement_loss（一致性损失），数据类型（dtype）：64位浮点数（float64）
- 字段名：agreement_token_count（一致性Token数量），数据类型（dtype）：64位整数（int64）
- 字段名：agreement_effective_token_count（一致性有效Token数量），数据类型（dtype）：64位整数（int64）
- 字段名：agreement_doc_gradient_l2（一致性文档梯度L2范数），数据类型（dtype）：64位浮点数（float64）
- 字段名：agreement_stream_index（一致性流索引），数据类型（dtype）：64位整数（int64）
- 字段名：agreement_text_preview（一致性文本预览），数据类型（dtype）：字符串
- 字段名：agreement_worker_rank（一致性标注者排名），数据类型（dtype）：64位整数（int64）
- 字段名：agreement_rank（一致性排名），数据类型（dtype）：64位整数（int64）
数据集划分：
- 划分名称：train（训练集），字节数：2217606317，样本数量：502579
下载大小：1283121392
数据集总大小：2217606317
配置项：
- 配置名称：default（默认配置），数据文件：
- 数据集划分：train（训练集），路径：data/train-*
提供机构：
ardauzunoglu
