thangvip/cosmopedia_vi_openstax

---
dataset_info:
features:
- name: text_token_length
dtype: int64
- name: prompt
dtype: string
- name: text
dtype: string
- name: seed_data
dtype: string
- name: format
dtype: string
- name: audience
dtype: string
- name: vi_text
dtype: string
splits:
- name: 0_set
num_bytes: 10732370
num_examples: 1000
download_size: 5476849
dataset_size: 10732370
configs:
- config_name: default
data_files:
- split: 0_set
path: data/0_set-*
---

数据集信息：
特征：
- 名称：text_token_length，数据类型：int64（64位整数类型），含义：文本Token长度
- 名称：prompt，数据类型：string（字符串类型），含义：提示词（prompt）
- 名称：text，数据类型：string（字符串类型），含义：文本
- 名称：seed_data，数据类型：string（字符串类型），含义：种子数据（seed_data）
- 名称：format，数据类型：string（字符串类型），含义：格式（format）
- 名称：audience，数据类型：string（字符串类型），含义：目标受众（audience）
- 名称：vi_text，数据类型：string（字符串类型），含义：越南语文本（Vietnamese text）
数据集划分：
- 划分名称：0_set，占用字节数：10732370，样本数量：1000
下载大小：5476849，数据集总大小：10732370
数据集配置：
- 配置名称：default（默认配置），数据文件：
- 对应划分：0_set，文件路径：data/0_set-*

原始信息汇总

数据集概述

数据集特征

• text_token_length: 数据类型为 int64
• prompt: 数据类型为 string
• text: 数据类型为 string
• seed_data: 数据类型为 string
• format: 数据类型为 string
• audience: 数据类型为 string
• vi_text: 数据类型为 string

数据集分割

• 0_set:
  • 数据大小: 10732370 字节
  • 示例数量: 1000

数据集大小

• 下载大小: 5476849 字节
• 数据集总大小: 10732370 字节

配置信息

• default 配置:
  • 数据文件路径: data/0_set-*
  • 分割: 0_set