wiki-index-20230801-gte-small-256

该数据集包含三个主要特征：input_mask（输入掩码）、input_ids（输入ID）和actual_token_len（实际令牌长度）。数据集仅包含一个训练集分割，共有80,082,650个样本，总大小为247,615,553,800字节。下载大小为5,329,742,623字节。数据集的配置文件名为default，数据文件路径为data/train-*。