gsstein/0-percent-human-dataset-llama-og

---
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: 87577890
num_examples: 15326
- name: test
num_bytes: 3113220
num_examples: 576
- name: validation
num_bytes: 3310694
num_examples: 576
download_size: 57427601
dataset_size: 94001804
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：
- 名称：标识符（ID），数据类型：字符串
- 名称：统一资源定位符（Uniform Resource Locator，URL），数据类型：字符串
- 名称：标题，数据类型：字符串
- 名称：摘要，数据类型：字符串
- 名称：文本，数据类型：字符串
- 名称：提示词（prompt），数据类型：字符串
数据集划分：
- 划分类型：训练集（train），字节大小：87577890，样本数量：15326
- 划分类型：测试集（test），字节大小：3113220，样本数量：576
- 划分类型：验证集（validation），字节大小：3310694，样本数量：576
下载总大小：57427601，数据集总大小：94001804
数据集配置：
- 配置名称：默认配置（default），数据文件：
- 训练集对应路径：data/train-*
- 测试集对应路径：data/test-*
- 验证集对应路径：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，总大小为87577890字节。
• 测试集: 包含576个样本，总大小为3113220字节。
• 验证集: 包含576个样本，总大小为3310694字节。

数据集大小

• 下载大小: 57427601字节。
• 数据集总大小: 94001804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-*