TeraflopAI/beir-minus-nanobeir-random-nested-subsets

---
dataset_info:
- config_name: docs_100
features:
- name: _id
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 44456
num_examples: 100
download_size: 34285
dataset_size: 44456
- config_name: docs_1000
features:
- name: _id
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 444564
num_examples: 1000
download_size: 285376
dataset_size: 444564
- config_name: docs_10000
features:
- name: _id
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 4445648
num_examples: 10000
download_size: 2982490
dataset_size: 4445648
- config_name: docs_100000
features:
- name: _id
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 44456487
num_examples: 100000
download_size: 29622480
dataset_size: 44456487
- config_name: docs_20000
features:
- name: _id
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 8891297
num_examples: 20000
download_size: 5952135
dataset_size: 8891297
- config_name: docs_5000
features:
- name: _id
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 2222824
num_examples: 5000
download_size: 1491108
dataset_size: 2222824
- config_name: docs_50000
features:
- name: _id
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 22228243
num_examples: 50000
download_size: 14882137
dataset_size: 22228243
configs:
- config_name: docs_100
data_files:
- split: train
path: docs_100/train-*
- config_name: docs_1000
data_files:
- split: train
path: docs_1000/train-*
- config_name: docs_10000
data_files:
- split: train
path: docs_10000/train-*
- config_name: docs_100000
data_files:
- split: train
path: docs_100000/train-*
- config_name: docs_20000
data_files:
- split: train
path: docs_20000/train-*
- config_name: docs_5000
data_files:
- split: train
path: docs_5000/train-*
- config_name: docs_50000
data_files:
- split: train
path: docs_50000/train-*
---

数据集信息：
- 配置名称：docs_100
特征字段：
- 字段名：_id，数据类型：字符串（string）
- 字段名：title，数据类型：字符串（string）
- 字段名：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），占用字节数：44456，样本数量：100
下载大小：34285
数据集存储大小：44456
- 配置名称：docs_1000
特征字段：
- 字段名：_id，数据类型：字符串（string）
- 字段名：title，数据类型：字符串（string）
- 字段名：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），占用字节数：444564，样本数量：1000
下载大小：285376
数据集存储大小：444564
- 配置名称：docs_10000
特征字段：
- 字段名：_id，数据类型：字符串（string）
- 字段名：title，数据类型：字符串（string）
- 字段名：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），占用字节数：4445648，样本数量：10000
下载大小：2982490
数据集存储大小：4445648
- 配置名称：docs_100000
特征字段：
- 字段名：_id，数据类型：字符串（string）
- 字段名：title，数据类型：字符串（string）
- 字段名：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），占用字节数：44456487，样本数量：100000
下载大小：29622480
数据集存储大小：44456487
- 配置名称：docs_20000
特征字段：
- 字段名：_id，数据类型：字符串（string）
- 字段名：title，数据类型：字符串（string）
- 字段名：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），占用字节数：8891297，样本数量：20000
下载大小：5952135
数据集存储大小：8891297
- 配置名称：docs_5000
特征字段：
- 字段名：_id，数据类型：字符串（string）
- 字段名：title，数据类型：字符串（string）
- 字段名：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），占用字节数：2222824，样本数量：5000
下载大小：1491108
数据集存储大小：2222824
- 配置名称：docs_50000
特征字段：
- 字段名：_id，数据类型：字符串（string）
- 字段名：title，数据类型：字符串（string）
- 字段名：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），占用字节数：22228243，样本数量：50000
下载大小：14882137
数据集存储大小：22228243
配置项：
- 配置名称：docs_100
数据文件：
- 划分：训练集（train），文件路径：docs_100/train-*
- 配置名称：docs_1000
数据文件：
- 划分：训练集（train），文件路径：docs_1000/train-*
- 配置名称：docs_10000
数据文件：
- 划分：训练集（train），文件路径：docs_10000/train-*
- 配置名称：docs_100000
数据文件：
- 划分：训练集（train），文件路径：docs_100000/train-*
- 配置名称：docs_20000
数据文件：
- 划分：训练集（train），文件路径：docs_20000/train-*
- 配置名称：docs_5000
数据文件：
- 划分：训练集（train），文件路径：docs_5000/train-*
- 配置名称：docs_50000
数据文件：
- 划分：训练集（train），文件路径：docs_50000/train-*