mitanshu-reckonsys/tldr_vs_abstract_google_embeddinggemma-300m

---
dataset_info:
features:
- name: corpusid
dtype: int64
- name: model
dtype: string
- name: text
dtype: string
- name: externalIds
dtype: json
- name: title
dtype: string
- name: abstract
dtype: string
- name: abstract_vector
list: float32
- name: tldr_vector
list: float32
splits:
- name: train
num_bytes: 12856994
num_examples: 1582
download_size: 11579478
dataset_size: 12856994
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：语料库ID（corpusid），数据类型：64位整型（int64）
- 字段名：模型（model），数据类型：字符串（string）
- 字段名：文本（text），数据类型：字符串（string）
- 字段名：外部标识符（externalIds），数据类型：JSON格式（json）
- 字段名：标题（title），数据类型：字符串（string）
- 字段名：摘要（abstract），数据类型：字符串（string）
- 字段名：摘要向量（abstract_vector），数据类型：单精度浮点数列表（float32 list）
- 字段名：TLDR向量（tldr_vector），数据类型：单精度浮点数列表（float32 list）
数据集划分：
- 划分名称：训练集（train），字节占用量：12856994，样本总数：1582
下载总大小：11579478
数据集实际占用字节数：12856994
配置项：
- 配置名称：默认配置（default），数据文件：
- 对应训练集（train）划分，文件路径：data/train-*