andersonbcdefg/paq_pairs_dedup_8m

---
dataset_info:
features:
- name: query
dtype: string
- name: pos
dtype: string
splits:
- name: train
num_bytes: 5648611511.273787
num_examples: 8278461
download_size: 3823968181
dataset_size: 5648611511.273787
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

特征信息

• query: 数据类型为字符串（string）
• pos: 数据类型为字符串（string）

数据分割

• train: 包含8278461个样本，占用5648611511.273787字节

数据集大小

• 下载大小: 3823968181字节
• 数据集大小: 5648611511.273787字节

配置信息

• default:
  • 数据文件路径: data/train-*