five

mansaripo/ClimbMix_SYNTH_shuffled

收藏
Hugging Face2026-02-26 更新2026-03-29 收录
下载链接:
https://hf-mirror.com/datasets/mansaripo/ClimbMix_SYNTH_shuffled
下载链接
链接失效反馈
官方服务:
资源简介:
--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 1132201222189 num_examples: 631223639 download_size: 1132201222189 dataset_size: 1132201222189 configs: - config_name: default data_files: - split: train path: data/train-* --- # ClimbMix + SYNTH Shuffled A globally shuffled combination of [gvlassis/ClimbMix](https://huggingface.co/datasets/gvlassis/ClimbMix) and [PleIAs/SYNTH](https://huggingface.co/datasets/PleIAs/SYNTH), interleaved by file-size weight. | Source | Rows | Size | Weight | |--------|------|------|--------| | ClimbMix | 553,315,056 | ~955 GB | ~85.4% | | SYNTH | 77,908,583 | ~164 GB | ~14.6% | | **Total** | **631,223,639** | **~1,119 GB** | **100%** | Both sources were individually shuffled before interleaving.

数据集信息: 特征: - 名称:text 数据类型:字符串 数据划分: - 名称:train(训练集) 字节数:1132201222189 样本数量:631223639 下载大小:1132201222189 数据集总大小:1132201222189 配置项: - 配置名称:default(默认配置) 数据文件: - 数据划分:train 文件路径:data/train-* # ClimbMix + SYNTH 混洗数据集 本数据集为[gvlassis/ClimbMix](https://huggingface.co/datasets/gvlassis/ClimbMix)与[PleIAs/SYNTH](https://huggingface.co/datasets/PleIAs/SYNTH)的组合,按照文件大小权重进行交错排列,并完成全局混洗。 | 数据源 | 样本数量 | 数据大小 | 权重占比 | |--------|----------|----------|----------| | ClimbMix | 553,315,056 | ~955 GB | ~85.4% | | SYNTH | 77,908,583 | ~164 GB | ~14.6% | | **总计** | **631,223,639** | **~1,119 GB** | **100%** | 两个数据源在进行交错排列前均已各自完成混洗。
提供机构:
mansaripo
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作