NotEvilAI/ru-wikipedia-pretrain-20251202

---
dataset_info:
features:
- name: text
dtype: string
- name: title
dtype: string
- name: meta
struct:
- name: source
dtype: string
- name: title
dtype: string
- name: rid
dtype: string
- name: url
dtype: string
splits:
- name: train
num_bytes: 7317095787
num_examples: 1350424
download_size: 3448601547
dataset_size: 7317095787
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
license: mit
task_categories:
- text-generation
language:
- ru
tags:
- pretrain
- russian
- wikipedia
---

数据集信息：
特征字段：
- 字段名：text，数据类型：字符串
- 字段名：title，数据类型：字符串
- 字段名：meta，为结构体类型，包含子字段：
- 子字段名：source，数据类型：字符串
- 子字段名：title，数据类型：字符串
- 子字段名：rid，数据类型：字符串
- 子字段名：url（统一资源定位符），数据类型：字符串
数据集划分：
- 划分名称：训练集（train），占用字节数：7317095787，样本总数：1350424
下载大小：3448601547
数据集总大小：7317095787
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分：训练集，文件路径：data/train-*
许可证：MIT许可证
任务类别：
- 文本生成（text-generation）
语言：
- 俄语（ru）
标签：
- 预训练（pretrain）
- 俄语（russian）
- 维基百科（wikipedia）