kothasuhas/dclm_tokenized_n1251_ctx1024

---
dataset_info:
features:
- name: input_ids
sequence: int32
splits:
- name: train
num_bytes: 5129100
num_examples: 1251
download_size: 2580133
dataset_size: 5129100
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征项：
- 名称：input_ids，序列类型为int32（32位整数）
数据划分：
- 名称：训练集（train），占用字节数：5129100，样本数量：1251
下载体积：2580133
数据集总存储体积：5129100
配置项：
- 配置名称：默认（default），数据文件：
- 数据划分：训练集，存储路径：data/train-*