ashish23/babylm-10M

---
dataset_info:
features:
- name: text
sequence: string
splits:
- name: train
num_bytes: 88447040.0
num_examples: 93702
- name: validation
num_bytes: 92838832.0
num_examples: 97926
download_size: 61017218
dataset_size: 181285872.0
---
# Dataset Card for "babylm-10M"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征：
- 字段名：text，类型：字符串序列
数据划分：
- 划分名称：训练集（train），字节大小：88447040.0，样本数量：93702
- 划分名称：验证集（validation），字节大小：92838832.0，样本数量：97926
下载大小：61017218
数据集总大小：181285872.0

# "babylm-10M"数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: babylm-10M

数据集特征

• 特征名称: text
• 特征类型: 字符串序列

数据集分割

• 训练集:
  • 示例数量: 93702
  • 数据大小: 88447040.0 字节
• 验证集:
  • 示例数量: 97926
  • 数据大小: 92838832.0 字节

数据集大小

• 下载大小: 61017218 字节
• 总数据大小: 181285872.0 字节