trumancai/coir-triplets

---
dataset_info:
- config_name: CodeSearchNet
features:
- name: anchor
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: positive
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: negative
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
splits:
- name: train
num_bytes: 1176524415
num_examples: 908224
download_size: 341621693
dataset_size: 1176524415
- config_name: CodeSearchNet_ccr
features:
- name: anchor
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: positive
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: negative
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
splits:
- name: train
num_bytes: 934440183
num_examples: 908224
download_size: 335574430
dataset_size: 934440183
- config_name: apps
features:
- name: anchor
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: positive
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: negative
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
splits:
- name: train
num_bytes: 16793283
num_examples: 5000
download_size: 4886304
dataset_size: 16793283
- config_name: codefeedback_mt
features:
- name: anchor
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: positive
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: negative
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
splits:
- name: train
num_bytes: 419524571
num_examples: 53106
download_size: 182541632
dataset_size: 419524571
- config_name: codefeedback_st
features:
- name: anchor
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: positive
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: negative
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
splits:
- name: train
num_bytes: 538589300
num_examples: 125220
download_size: 241848781
dataset_size: 538589300
- config_name: codetrans_contest
features:
- name: anchor
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: positive
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: negative
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
splits:
- name: train
num_bytes: 2096934
num_examples: 561
download_size: 705525
dataset_size: 2096934
- config_name: codetrans_dl
features:
- name: anchor
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: positive
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: negative
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
splits:
- name: train
num_bytes: 2253663
num_examples: 564
download_size: 218049
dataset_size: 2253663
- config_name: cosqa
features:
- name: anchor
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: positive
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: negative
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
splits:
- name: train
num_bytes: 13319991
num_examples: 19604
download_size: 5148589
dataset_size: 13319991
- config_name: default
features:
- name: anchor
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: positive
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: negative
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
splits:
- name: CodeSearchNet_ccr
num_bytes: 934440183
num_examples: 908224
- name: stackoverflow_qa
num_bytes: 77912761
num_examples: 13951
- name: codefeedback_mt
num_bytes: 419524571
num_examples: 53106
- name: cosqa
num_bytes: 13319991
num_examples: 19604
- name: CodeSearchNet
num_bytes: 1176524415
num_examples: 908224
- name: codetrans_dl
num_bytes: 2253663
num_examples: 564
- name: synthetic_text2sql
num_bytes: 39155309
num_examples: 100000
- name: codefeedback_st
num_bytes: 538589300
num_examples: 125220
- name: apps
num_bytes: 16793283
num_examples: 5000
- name: codetrans_contest
num_bytes: 2096934
num_examples: 561
download_size: 1161466860
dataset_size: 3220610410
- config_name: stackoverflow_qa
features:
- name: anchor
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: positive
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: negative
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
splits:
- name: train
num_bytes: 77912761
num_examples: 13951
download_size: 36569644
dataset_size: 77912761
- config_name: synthetic_text2sql
features:
- name: anchor
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: positive
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
- name: negative
struct:
- name: audio
dtype: string
- name: image
dtype: string
- name: text
dtype: string
- name: video
dtype: string
splits:
- name: train
num_bytes: 39155309
num_examples: 100000
download_size: 12352213
dataset_size: 39155309
configs:
- config_name: CodeSearchNet
data_files:
- split: train
path: CodeSearchNet/train-*
- config_name: CodeSearchNet_ccr
data_files:
- split: train
path: CodeSearchNet_ccr/train-*
- config_name: apps
data_files:
- split: train
path: apps/train-*
- config_name: codefeedback_mt
data_files:
- split: train
path: codefeedback_mt/train-*
- config_name: codefeedback_st
data_files:
- split: train
path: codefeedback_st/train-*
- config_name: codetrans_contest
data_files:
- split: train
path: codetrans_contest/train-*
- config_name: codetrans_dl
data_files:
- split: train
path: codetrans_dl/train-*
- config_name: cosqa
data_files:
- split: train
path: cosqa/train-*
- config_name: default
data_files:
- split: CodeSearchNet_ccr
path: data/CodeSearchNet_ccr-*
- split: stackoverflow_qa
path: data/stackoverflow_qa-*
- split: codefeedback_mt
path: data/codefeedback_mt-*
- split: cosqa
path: data/cosqa-*
- split: CodeSearchNet
path: data/CodeSearchNet-*
- split: codetrans_dl
path: data/codetrans_dl-*
- split: synthetic_text2sql
path: data/synthetic_text2sql-*
- split: codefeedback_st
path: data/codefeedback_st-*
- split: apps
path: data/apps-*
- split: codetrans_contest
path: data/codetrans_contest-*
- config_name: stackoverflow_qa
data_files:
- split: train
path: stackoverflow_qa/train-*
- config_name: synthetic_text2sql
data_files:
- split: train
path: synthetic_text2sql/train-*
---

数据集信息：
- 配置名称：CodeSearchNet
特征字段：
- 锚定样本（anchor）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 正样本（positive）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 负样本（negative）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
数据集划分：
- 划分名称：train
字节数：1176524415
样本数量：908224
下载大小：341621693
数据集总大小：1176524415
- 配置名称：CodeSearchNet_ccr
特征字段：
- 锚定样本（anchor）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 正样本（positive）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 负样本（negative）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
数据集划分：
- 划分名称：train
字节数：934440183
样本数量：908224
下载大小：335574430
数据集总大小：934440183
- 配置名称：apps
特征字段：
- 锚定样本（anchor）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 正样本（positive）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 负样本（negative）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
数据集划分：
- 划分名称：train
字节数：16793283
样本数量：5000
下载大小：4886304
数据集总大小：16793283
- 配置名称：codefeedback_mt
特征字段：
- 锚定样本（anchor）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 正样本（positive）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 负样本（negative）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
数据集划分：
- 划分名称：train
字节数：419524571
样本数量：53106
下载大小：182541632
数据集总大小：419524571
- 配置名称：codefeedback_st
特征字段：
- 锚定样本（anchor）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 正样本（positive）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 负样本（negative）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
数据集划分：
- 划分名称：train
字节数：538589300
样本数量：125220
下载大小：241848781
数据集总大小：538589300
- 配置名称：codetrans_contest
特征字段：
- 锚定样本（anchor）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 正样本（positive）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 负样本（negative）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
数据集划分：
- 划分名称：train
字节数：2096934
样本数量：561
下载大小：705525
数据集总大小：2096934
- 配置名称：codetrans_dl
特征字段：
- 锚定样本（anchor）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 正样本（positive）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 负样本（negative）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
数据集划分：
- 划分名称：train
字节数：2253663
样本数量：564
下载大小：218049
数据集总大小：2253663
- 配置名称：cosqa
特征字段：
- 锚定样本（anchor）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 正样本（positive）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 负样本（negative）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
数据集划分：
- 划分名称：train
字节数：13319991
样本数量：19604
下载大小：5148589
数据集总大小：13319991
- 配置名称：default
特征字段：
- 锚定样本（anchor）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 正样本（positive）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 负样本（negative）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
数据集划分：
- 划分名称：CodeSearchNet_ccr
字节数：934440183
样本数量：908224
- 划分名称：stackoverflow_qa
字节数：77912761
样本数量：13951
- 划分名称：codefeedback_mt
字节数：419524571
样本数量：53106
- 划分名称：cosqa
字节数：13319991
样本数量：19604
- 划分名称：CodeSearchNet
字节数：1176524415
样本数量：908224
- 划分名称：codetrans_dl
字节数：2253663
样本数量：564
- 划分名称：synthetic_text2sql
字节数：39155309
样本数量：100000
- 划分名称：codefeedback_st
字节数：538589300
样本数量：125220
- 划分名称：apps
字节数：16793283
样本数量：5000
- 划分名称：codetrans_contest
字节数：2096934
样本数量：561
下载大小：1161466860
数据集总大小：3220610410
- 配置名称：stackoverflow_qa
特征字段：
- 锚定样本（anchor）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 正样本（positive）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 负样本（negative）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
数据集划分：
- 划分名称：train
字节数：77912761
样本数量：13951
下载大小：36569644
数据集总大小：77912761
- 配置名称：synthetic_text2sql
特征字段：
- 锚定样本（anchor）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 正样本（positive）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
- 负样本（negative）：结构体，包含音频（audio）、图像（image）、文本（text）、视频（video），数据类型（dtype）均为字符串
数据集划分：
- 划分名称：train
字节数：39155309
样本数量：100000
下载大小：12352213
数据集总大小：39155309
配置项：
- 配置名称：CodeSearchNet
数据文件：
- 划分：train
路径：CodeSearchNet/train-*
- 配置名称：CodeSearchNet_ccr
数据文件：
- 划分：train
路径：CodeSearchNet_ccr/train-*
- 配置名称：apps
数据文件：
- 划分：train
路径：apps/train-*
- 配置名称：codefeedback_mt
数据文件：
- 划分：train
路径：codefeedback_mt/train-*
- 配置名称：codefeedback_st
数据文件：
- 划分：train
路径：codefeedback_st/train-*
- 配置名称：codetrans_contest
数据文件：
- 划分：train
路径：codetrans_contest/train-*
- 配置名称：codetrans_dl
数据文件：
- 划分：train
路径：codetrans_dl/train-*
- 配置名称：cosqa
数据文件：
- 划分：train
路径：cosqa/train-*
- 配置名称：default
数据文件：
- 划分：CodeSearchNet_ccr
路径：data/CodeSearchNet_ccr-*
- 划分：stackoverflow_qa
路径：data/stackoverflow_qa-*
- 划分：codefeedback_mt
路径：data/codefeedback_mt-*
- 划分：cosqa
路径：data/cosqa-*
- 划分：CodeSearchNet
路径：data/CodeSearchNet-*
- 划分：codetrans_dl
路径：data/codetrans_dl-*
- 划分：synthetic_text2sql
路径：data/synthetic_text2sql-*
- 划分：codefeedback_st
路径：data/codefeedback_st-*
- 划分：apps
路径：data/apps-*
- 划分：codetrans_contest
路径：data/codetrans_contest-*
- 配置名称：stackoverflow_qa
数据文件：
- 划分：train
路径：stackoverflow_qa/train-*
- 配置名称：synthetic_text2sql
数据文件：
- 划分：train
路径：synthetic_text2sql/train-*