jtatman/sciphi-mini-600m-unsloth-processed

---
dataset_info:
features:
- name: text
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 232968067.11257112
num_examples: 26575
- name: val
num_bytes: 25887288.88742888
num_examples: 2953
download_size: 96906399
dataset_size: 258855356.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: val
path: data/val-*
---

数据集信息：
特征项：
- 文本（text）字段：数据类型为字符串型
- 输入标识（input_ids）字段：为int32类型的序列
- 注意力掩码（attention_mask）字段：为int8类型的序列
数据集划分：
- 训练集（train）：字节数为232968067.11257112，样本量为26575
- 验证集（val）：字节数为25887288.88742888，样本量为2953
下载大小：96906399 字节
数据集总大小：258855356.0 字节
配置项：
- 默认配置（default）：数据文件对应关系如下：
- 训练集划分对应数据文件路径为"data/train-*"
- 验证集划分对应数据文件路径为"data/val-*"

原始信息汇总

数据集概述

数据集特征

• text: 数据类型为字符串。
• input_ids: 数据类型为整数序列，具体为32位整数。
• attention_mask: 数据类型为整数序列，具体为8位整数。

数据集分割

• 训练集 (train):
  • 示例数量: 26575
  • 数据大小: 232968067.11257112字节
• 验证集 (val):
  • 示例数量: 2953
  • 数据大小: 25887288.88742888字节

数据集大小

• 下载大小: 96906399字节
• 数据集总大小: 258855356.0字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 验证集路径: data/val-*