zh-tw-llm-dv-dv/zh-tw-llm-dev-sample-ta8k-d40d11-only_embeddings-tr_wiki_sg_alp-c6795a-c2048

该数据集是`zh-tw-llm-dev`项目的一部分，包含了训练集和测试集，分别有500和140个样本。数据集的特征包括`input_ids`、`attention_mask`、`labels`和`preview`。数据集构建时使用了`translations`、`wikipedia`、`sharegpt`和`alpaca`等来源，并且每个来源都有详细的配置信息。

This dataset is part of the `zh-tw-llm-dev` project, which includes a training set and a test set with 500 and 140 samples respectively. The features of this dataset are `input_ids`, `attention_mask`, `labels`, and `preview`. It was constructed using multiple data sources including `translations`, `wikipedia`, `sharegpt`, and `alpaca`, with detailed configuration information provided for each source.

原始信息汇总

数据集概述

基本信息

• 数据集大小: 5061937.0
• 下载大小: 1510086

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string

数据集划分

• 训练集:
  • 数据量: 3405190.0 字节
  • 样本数: 500
• 测试集:
  • 数据量: 1656747.0 字节
  • 样本数: 140