gguichard/wsd_myriade_synth_data_gpt4turbo_val_1_bge

---
dataset_info:
features:
- name: tokens
sequence: string
- name: wn_sens
sequence: int64
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 5365648
num_examples: 7903
download_size: 1136695
dataset_size: 5365648
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

dataset_info:
特征:
- 名称: 令牌（tokens）
序列: 字符串序列
- 名称: 词网词义索引（wn_sens）
序列: 64位整数序列
- 名称: 输入标识符（input_ids）
序列: 32位整数序列
- 名称: 注意力掩码（attention_mask）
序列: 8位整数序列
- 名称: 标签（labels）
序列: 64位整数序列
数据集划分:
- 名称: 训练集（train）
字节数: 5365648
样本数: 7903
下载大小: 1136695
数据集总大小: 5365648
配置项:
- 配置名称: 默认（default）
数据文件:
- 划分: 训练集
路径: data/train-*

原始信息汇总

数据集概述

数据集特征

• tokens: 字符串序列
• wn_sens: 整数序列（int64）
• input_ids: 整数序列（int32）
• attention_mask: 整数序列（int8）
• labels: 整数序列（int64）

数据集分割

• 训练集（train）:
  • 数据量: 5365648 字节
  • 示例数量: 7903

数据集大小

• 下载大小: 1136695 字节
• 数据集大小: 5365648 字节

配置信息

• 配置名称: default
• 数据文件路径:
  • 分割: train
  • 路径: data/train-*