preference-agents-working/Arxiv-Papers-1.5K

---
dataset_info:
features:
- name: arxiv_id
dtype: string
- name: title
dtype: string
- name: abstract
dtype: string
- name: authors
dtype: string
- name: published_date
dtype: string
- name: pdf_link
dtype: string
- name: text
dtype: string
- name: text_no_math
dtype: string
- name: abstract_token_count
dtype: int64
- name: text_token_count
dtype: int64
- name: text_no_math_token_count
dtype: int64
splits:
- name: train
num_bytes: 201184505
num_examples: 2005
download_size: 96517288
dataset_size: 201184505
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
数据特征：
- 字段名称：arxiv_id，数据类型：字符串
- 字段名称：title，数据类型：字符串，含义为标题
- 字段名称：abstract，数据类型：字符串，含义为摘要
- 字段名称：authors，数据类型：字符串，含义为作者
- 字段名称：published_date，数据类型：字符串，含义为发表日期
- 字段名称：pdf_link，数据类型：字符串，含义为PDF链接
- 字段名称：text，数据类型：字符串，含义为全文文本
- 字段名称：text_no_math，数据类型：字符串，含义为无数学公式的全文文本
- 字段名称：abstract_token_count，数据类型：64位整数，含义为摘要Token(Token)计数
- 字段名称：text_token_count，数据类型：64位整数，含义为全文文本Token(Token)计数
- 字段名称：text_no_math_token_count，数据类型：64位整数，含义为无数学公式的全文文本Token(Token)计数
数据集划分：
- 划分名称：训练集（train），占用字节数：201184505，样本数量：2005
下载总大小：96517288
数据集总存储大小：201184505
数据集配置：
- 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：data/train-*

原始信息汇总

数据集概述

数据集特征

• arxiv_id：字符串类型
• title：字符串类型
• abstract：字符串类型
• authors：字符串类型
• published_date：字符串类型
• pdf_link：字符串类型
• text：字符串类型
• text_no_math：字符串类型
• abstract_token_count：整数类型（int64）
• text_token_count：整数类型（int64）
• text_no_math_token_count：整数类型（int64）

数据集分割

• train：
  • 数据大小：201184505字节
  • 示例数量：2005

数据集大小

• 下载大小：96517288字节
• 数据集总大小：201184505字节

配置信息

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