jarod0411/cm_v6_idx8

---
dataset_info:
features:
- name: prompt
dtype: string
- name: first_mask_count
dtype: int64
- name: first_start_index
dtype: int64
- name: first_mask_gen_count
dtype: int64
- name: first_mask_tokens
dtype: string
- name: first_mask_gen_count_real
dtype: int64
- name: generated_smiles
dtype: string
- name: original_smiles
dtype: string
- name: generated_tokens
dtype: string
splits:
- name: train
num_bytes: 233337704.0
num_examples: 1000000
download_size: 52941530
dataset_size: 233337704.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列表：
- 特征名：提示词（prompt）
数据类型：字符串（string）
- 特征名：首次掩码计数
数据类型：64位整数（int64）
- 特征名：首次掩码起始索引
数据类型：64位整数（int64）
- 特征名：首次掩码生成计数
数据类型：64位整数（int64）
- 特征名：首次掩码Token（Token）
数据类型：字符串（string）
- 特征名：实际首次掩码生成计数
数据类型：64位整数（int64）
- 特征名：生成的简化分子线性输入规范（SMILES）字符串
数据类型：字符串（string）
- 特征名：原始简化分子线性输入规范（SMILES）字符串
数据类型：字符串（string）
- 特征名：生成的Token（Token）
数据类型：字符串（string）
数据划分：
- 划分名称：训练集
占用字节数：233337704.0
样本总量：1000000
下载大小：52941530
数据集总大小：233337704.0
配置项：
- 配置名称：默认配置
数据文件：
- 对应划分：训练集
文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• prompt: 字符串类型
• first_mask_count: 整数类型（int64）
• first_start_index: 整数类型（int64）
• first_mask_gen_count: 整数类型（int64）
• first_mask_tokens: 字符串类型
• first_mask_gen_count_real: 整数类型（int64）
• generated_smiles: 字符串类型
• original_smiles: 字符串类型
• generated_tokens: 字符串类型

数据集分割

• train:
  • 示例数量: 1000000
  • 数据大小: 233337704.0 字节

数据集大小

• 下载大小: 52941530 字节
• 数据集总大小: 233337704.0 字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*