alvations/c4p0-x1-ja-en

---
dataset_info:
features:
- name: source
dtype: string
- name: target
dtype: string
- name: target_backto_source
dtype: string
- name: raw_target
list:
- name: generated_text
dtype: string
- name: raw_target_backto_source
list:
- name: generated_text
dtype: string
- name: prompt
dtype: string
- name: reverse_prompt
dtype: string
- name: source_langid
dtype: string
- name: target_langid
dtype: string
- name: target_backto_source_langid
dtype: string
- name: doc_id
dtype: int64
- name: sent_id
dtype: int64
- name: timestamp
dtype: timestamp[us]
- name: url
dtype: string
- name: doc_hash
dtype: string
splits:
- name: train
num_bytes: 5323
num_examples: 4
download_size: 18650
dataset_size: 5323
configs:
- config_name: default
data_files:
- split: train
path: edfcb4d42b83901e/train-*
---

数据集元信息：
特征字段：
- 字段名称：源文本（source），数据类型：字符串（string）
- 字段名称：目标文本（target），数据类型：字符串（string）
- 字段名称：源回译文本（target_backto_source），数据类型：字符串（string）
- 字段名称：原始目标文本（raw_target），数据类型：列表（list），列表内元素字段：
- 字段名称：生成文本（generated_text），数据类型：字符串（string）
- 字段名称：原始源回译文本（raw_target_backto_source），数据类型：列表（list），列表内元素字段：
- 字段名称：生成文本（generated_text），数据类型：字符串（string）
- 字段名称：提示词（prompt），数据类型：字符串（string）
- 字段名称：反向提示词（reverse_prompt），数据类型：字符串（string）
- 字段名称：源语言标识（source_langid），数据类型：字符串（string）
- 字段名称：目标语言标识（target_langid），数据类型：字符串（string）
- 字段名称：源回译语言标识（target_backto_source_langid），数据类型：字符串（string）
- 字段名称：文档ID（doc_id），数据类型：64位整数（int64）
- 字段名称：句子ID（sent_id），数据类型：64位整数（int64）
- 字段名称：时间戳（timestamp），数据类型：微秒级时间戳（timestamp[us]）
- 字段名称：统一资源定位符（url），数据类型：字符串（string）
- 字段名称：文档哈希值（doc_hash），数据类型：字符串（string）
数据集划分：
- 划分名称：训练集（train），占用字节数：5323，样本数量：4
下载大小：18650
数据集总大小：5323
配置项：
- 配置名称：默认配置（default），数据文件：
- 对应划分：训练集（train），文件路径：edfcb4d42b83901e/train-*

原始信息汇总

数据集概述

数据集特征

• source：数据类型为字符串。
• target：数据类型为字符串。
• target_backto_source：数据类型为字符串。
• raw_target：包含一个名为generated_text的列表项，数据类型为字符串。
• raw_target_backto_source：包含一个名为generated_text的列表项，数据类型为字符串。
• prompt：数据类型为字符串。
• reverse_prompt：数据类型为字符串。
• source_langid：数据类型为字符串。
• target_langid：数据类型为字符串。
• target_backto_source_langid：数据类型为字符串。
• doc_id：数据类型为整数64位。
• sent_id：数据类型为整数64位。
• timestamp：数据类型为时间戳，单位为微秒。
• url：数据类型为字符串。
• doc_hash：数据类型为字符串。

数据集分割

• train：包含4个样本，总大小为5323字节。

数据集大小

• 下载大小：18650字节。
• 数据集大小：5323字节。

配置

• config_name: default
  • data_files:
    • split: train
      • path: edfcb4d42b83901e/train-*