deven367/babylm-100M-cbt

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: valid
path: data/valid-*
- split: test
path: data/test-*
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 26532921
num_examples: 263519
- name: valid
num_bytes: 1220938
num_examples: 12747
- name: test
num_bytes: 1578682
num_examples: 16646
download_size: 17973969
dataset_size: 29332541
---
# Dataset Card for "babylm-100M-cbt"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
数据集配置（configs）：
- 配置名称：default
数据文件（data_files）：
- 数据划分（split）：训练集（train），文件路径：data/train-*
- 数据划分（split）：验证集（valid），文件路径：data/valid-*
- 数据划分（split）：测试集（test），文件路径：data/test-*
数据集信息（dataset_info）：
数据特征（features）：
- 字段名：text，数据类型（dtype）：字符串（string）
数据划分详情（splits）：
- 划分名称：训练集（train），字节数：26532921，样本数：263519
- 划分名称：验证集（valid），字节数：1220938，样本数：12747
- 划分名称：测试集（test），字节数：1578682，样本数：16646
下载总大小（download_size）：17973969，数据集总大小（dataset_size）：29332541
---
# "babylm-100M-cbt"数据集卡片（Dataset Card）

[更多信息待补充](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
• 数据文件:
  • 训练集: data/train-*
  • 验证集: data/valid-*
  • 测试集: data/test-*

数据集信息

• 特征:
  • 名称: text
  • 数据类型: string
• 拆分:
  • 训练集:
    • 字节数: 26532921
    • 样本数: 263519
  • 验证集:
    • 字节数: 1220938
    • 样本数: 12747
  • 测试集:
    • 字节数: 1578682
    • 样本数: 16646
• 下载大小: 17973969
• 数据集大小: 29332541