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