preference-agents-working/Arxiv-Papers-2K

---
license: apache-2.0
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: 176182081.76994908
num_examples: 2005
download_size: 96557763
dataset_size: 176182081.76994908
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

---
许可证：Apache-2.0
数据集信息：
特征列表：
- 字段标识：arxiv_id（arXiv编号），数据类型：字符串
- 字段标识：title（标题），数据类型：字符串
- 字段标识：abstract（摘要），数据类型：字符串
- 字段标识：authors（作者），数据类型：字符串
- 字段标识：published_date（发表日期），数据类型：字符串
- 字段标识：pdf_link（PDF链接），数据类型：字符串
- 字段标识：text（全文文本），数据类型：字符串
- 字段标识：text_no_math（无数学公式文本），数据类型：字符串
- 字段标识：abstract_token_count（摘要Token（Token）计数），数据类型：int64（64位整数）
- 字段标识：text_token_count（全文文本Token（Token）计数），数据类型：int64（64位整数）
- 字段标识：text_no_math_token_count（无数学公式文本Token（Token）计数），数据类型：int64（64位整数）
数据集划分：
- 划分名称：train（训练集），字节数：176182081.76994908，样本数量：2005
下载大小：96557763字节
数据集总大小：176182081.76994908字节
配置项：
- 配置名称：default（默认配置），数据文件：
- 划分集：train（训练集），路径：data/train-*
---

原始信息汇总

数据集概述

数据集特征

• arxiv_id: 数据类型为字符串。
• title: 数据类型为字符串。
• abstract: 数据类型为字符串。
• authors: 数据类型为字符串。
• published_date: 数据类型为字符串。
• pdf_link: 数据类型为字符串。
• text: 数据类型为字符串。
• text_no_math: 数据类型为字符串。
• abstract_token_count: 数据类型为整数。
• text_token_count: 数据类型为整数。
• text_no_math_token_count: 数据类型为整数。

数据集划分

• train: 包含2005个样本，总字节数为176182081.76994908。

数据集大小

• 下载大小: 96557763字节。
• 数据集大小: 176182081.76994908字节。

配置信息

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