tomg-group-umd/wikipedia-en-2k-samples

---
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 6304821.702065635
num_examples: 2000
- name: validation
num_bytes: 6304821.702065635
num_examples: 2000
download_size: 12451344
dataset_size: 12609643.40413127
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
license: apache-2.0
language:
- en
---

# Quick Links

- **GitHub Repository**: https://github.com/ahans30/goldfish-loss
- **arXiv**: https://arxiv.org/abs/2406.10209

### 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（URL），数据类型：字符串
- 名称：标题，数据类型：字符串
- 名称：文本，数据类型：字符串
#### 数据集划分
- 划分名称：训练集（train），字节数：6304821.702065635，样本数量：2000
- 划分名称：验证集（validation），字节数：6304821.702065635，样本数量：2000
总下载大小：12451344
数据集总大小：12609643.40413127
#### 配置项
- 配置名称：默认（default），数据文件：
- 训练集（train）划分：路径为 data/train-*
- 验证集（validation）划分：路径为 data/validation-*
许可证：Apache 2.0许可证
语言：英语

### 快速导航
- **GitHub 仓库**：https://github.com/ahans30/goldfish-loss
- **arXiv**：https://arxiv.org/abs/2406.10209