kothasuhas/dclm_tokenized_n12369_ctx16384
收藏Hugging Face2025-12-07 更新2025-12-20 收录
下载链接：
https://hf-mirror.com/datasets/kothasuhas/dclm_tokenized_n12369_ctx16384
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: input_ids
sequence: int32
splits:
- name: train
num_bytes: 810664260
num_examples: 12369
download_size: 406232071
dataset_size: 810664260
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
数据集信息：
特征列表：
- 名称：输入ID序列（input_ids），类型为int32序列
数据集拆分：
- 名称：训练集（train），占用字节数：810664260，样本总数：12369
下载大小：406232071
数据集总大小：810664260
配置项：
- 配置名称：默认配置（default），数据文件：
- 拆分集：训练集，文件路径：data/train-*
提供机构：
kothasuhas
