D4vidHuang/LLM_Of_Babel_NL2_Leave5

--- dataset_info: features: - name: file_id dtype: string - name: content dtype: string - name: repo dtype: string - name: path dtype: string - name: token_length dtype: int64 - name: original_comment dtype: string - name: comment_type dtype: string - name: detected_lang dtype: string - name: prompt dtype: string splits: - name: train num_bytes: 111152486 num_examples: 5917 download_size: 39674985 dataset_size: 111152486 configs: - config_name: default data_files: - split: train path: data/train-* ------ 数据集信息： 特征列表： - 字段名：文件ID（file_id），数据类型：字符串（string） - 字段名：内容（content），数据类型：字符串（string） - 字段名：代码仓库（repo），数据类型：字符串（string） - 字段名：路径（path），数据类型：字符串（string） - 字段名：Token长度（token_length），数据类型：64位整型（int64） - 字段名：原始注释（original_comment），数据类型：字符串（string） - 字段名：注释类型（comment_type），数据类型：字符串（string） - 字段名：检测语言（detected_lang），数据类型：字符串（string） - 字段名：提示词（prompt），数据类型：字符串（string） 数据划分： - 划分名称：训练集（train），字节数：111152486，样本数量：5917 下载大小：39674985 数据集总大小：111152486 配置项： - 配置名称：默认配置（default），数据文件： - 对应划分：训练集（train），文件路径：data/train-* ---

原始信息汇总

数据集概述

数据集信息

特征

• file_id: 数据类型为字符串。
• content: 数据类型为字符串。
• repo: 数据类型为字符串。
• path: 数据类型为字符串。
• token_length: 数据类型为整数（int64）。
• original_comment: 数据类型为字符串。
• comment_type: 数据类型为字符串。
• detected_lang: 数据类型为字符串。
• prompt: 数据类型为字符串。

数据分割

• train: 包含5917个样本，总字节数为111152486。

数据集大小

• 下载大小: 39674985字节。
• 数据集大小: 111152486字节。

配置

• default: 包含训练数据文件，路径为data/train-*。