gsstein/100-percent-human-dataset-opt-1

---
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: summary
dtype: string
- name: text
dtype: string
- name: prompt
dtype: string
splits:
- name: train
num_bytes: 86999278
num_examples: 15326
- name: test
num_bytes: 3091417
num_examples: 576
- name: validation
num_bytes: 3290017
num_examples: 576
download_size: 57435064
dataset_size: 93380712
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
---

数据集信息：
特征：
- 字段名：id，数据类型：字符串
- 字段名：url（统一资源定位符，Uniform Resource Locator），数据类型：字符串
- 字段名：title，数据类型：字符串
- 字段名：summary，数据类型：字符串
- 字段名：text，数据类型：字符串
- 字段名：提示词（Prompt），数据类型：字符串
数据集划分：
- 划分名称：训练集（train），占用字节数：86999278，样本数量：15326
- 划分名称：测试集（test），占用字节数：3091417，样本数量：576
- 划分名称：验证集（validation），占用字节数：3290017，样本数量：576
下载总大小：57435064，数据集总存储大小：93380712
配置项：
- 配置名称：默认配置（default），数据文件：
- 训练集：data/train-*
- 测试集：data/test-*
- 验证集：data/validation-*

原始信息汇总

数据集概述

数据集特征

• id: 数据类型为字符串。
• url: 数据类型为字符串。
• title: 数据类型为字符串。
• summary: 数据类型为字符串。
• text: 数据类型为字符串。
• prompt: 数据类型为字符串。

数据集分割

• 训练集: 包含15326个样本，占用86999278字节。
• 测试集: 包含576个样本，占用3091417字节。
• 验证集: 包含576个样本，占用3290017字节。

数据集大小

• 下载大小: 57435064字节。
• 数据集总大小: 93380712字节。

数据文件配置

• 默认配置:
  • 训练集文件路径: data/train-*
  • 测试集文件路径: data/test-*
  • 验证集文件路径: data/validation-*