TeraflopAI/beir-minus-nanobeir-random-subsets

--- dataset_info: - config_name: docs_1000 features: - name: _id dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 444564 num_examples: 1000 download_size: 285376 dataset_size: 444564 - config_name: docs_10000 features: - name: _id dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 4445648 num_examples: 10000 download_size: 2984508 dataset_size: 4445648 - config_name: docs_100000 features: - name: _id dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 44456487 num_examples: 100000 download_size: 29519808 dataset_size: 44456487 - config_name: docs_20000 features: - name: _id dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 8891297 num_examples: 20000 download_size: 5939904 dataset_size: 8891297 - config_name: docs_5000 features: - name: _id dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 2222824 num_examples: 5000 download_size: 1509262 dataset_size: 2222824 - config_name: docs_50000 features: - name: _id dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 22228243 num_examples: 50000 download_size: 14877813 dataset_size: 22228243 configs: - config_name: docs_1000 data_files: - split: train path: docs_1000/train-* - config_name: docs_10000 data_files: - split: train path: docs_10000/train-* - config_name: docs_100000 data_files: - split: train path: docs_100000/train-* - config_name: docs_20000 data_files: - split: train path: docs_20000/train-* - config_name: docs_5000 data_files: - split: train path: docs_5000/train-* - config_name: docs_50000 data_files: - split: train path: docs_50000/train-* ---数据集信息： - 配置名称：docs_1000 数据特征： - 字段名：_id，数据类型：字符串 - 字段名：title，数据类型：字符串 - 字段名：text，数据类型：字符串 数据集划分： - 划分名称：train（训练集），字节占用大小：444564，样本总数：1000 下载大小：285376，数据集存储总大小：444564 - 配置名称：docs_10000 数据特征： - 字段名：_id，数据类型：字符串 - 字段名：title，数据类型：字符串 - 字段名：text，数据类型：字符串 数据集划分： - 划分名称：train（训练集），字节占用大小：4445648，样本总数：10000 下载大小：2984508，数据集存储总大小：4445648 - 配置名称：docs_100000 数据特征： - 字段名：_id，数据类型：字符串 - 字段名：title，数据类型：字符串 - 字段名：text，数据类型：字符串 数据集划分： - 划分名称：train（训练集），字节占用大小：44456487，样本总数：100000 下载大小：29519808，数据集存储总大小：44456487 - 配置名称：docs_20000 数据特征： - 字段名：_id，数据类型：字符串 - 字段名：title，数据类型：字符串 - 字段名：text，数据类型：字符串 数据集划分： - 划分名称：train（训练集），字节占用大小：8891297，样本总数：20000 下载大小：5939904，数据集存储总大小：8891297 - 配置名称：docs_5000 数据特征： - 字段名：_id，数据类型：字符串 - 字段名：title，数据类型：字符串 - 字段名：text，数据类型：字符串 数据集划分： - 划分名称：train（训练集），字节占用大小：2222824，样本总数：5000 下载大小：1509262，数据集存储总大小：2222824 - 配置名称：docs_50000 数据特征： - 字段名：_id，数据类型：字符串 - 字段名：title，数据类型：字符串 - 字段名：text，数据类型：字符串 数据集划分： - 划分名称：train（训练集），字节占用大小：22228243，样本总数：50000 下载大小：14877813，数据集存储总大小：22228243 配置项： - 配置名称：docs_1000 数据文件： - 数据集划分：train（训练集），文件路径：docs_1000/train-* - 配置名称：docs_10000 数据文件： - 数据集划分：train（训练集），文件路径：docs_10000/train-* - 配置名称：docs_100000 数据文件： - 数据集划分：train（训练集），文件路径：docs_100000/train-* - 配置名称：docs_20000 数据文件： - 数据集划分：train（训练集），文件路径：docs_20000/train-* - 配置名称：docs_5000 数据文件： - 数据集划分：train（训练集），文件路径：docs_5000/train-* - 配置名称：docs_50000 数据文件： - 数据集划分：train（训练集），文件路径：docs_50000/train-*