---
task_categories:
- text-generation
license: mit
language:
- ru
dataset_info:
  features:
  - name: text
    dtype: string
configs:
  - config_name: lenta
    data_files:
      - split: train
        path: 01-lenta/train-*
  - config_name: gazeta
    data_files:
      - split: train
        path: 02-gazeta/train-*
  - config_name: health
    data_files:
      - split: train
        path: 03-health/train-*
  - config_name: wiki
    data_files:
      - split: train
        path: 04-wiki/train-*
---
## Это общие знания для **духовного обогощения** тренируемой модели:

1) ## data-silence[lenta.ru_2-extended] - subset **lenta**
14.31% of data after filtering. \
Всего в train["input"] - input_ids: 82589 | Наибольшая длинна: 5449  | Количество overflow при ctx(2048): 184 \
Всего в train["input"] - input_ids: 82589 | Наибольшая длинна: 5449  | Количество overflow при ctx(4096): 11

2) ## data-silence[gazeta.ru-merged] - subset **gazeta**
33.03% of data after filtering. \
Всего в train["input"] - input_ids: 45431 | Наибольшая длинна: 3455  | Количество overflow при ctx(2048): 6697 \
Всего в train["input"] - input_ids: 45431 | Наибольшая длинна: 3455  | Количество overflow при ctx(4096): 0

3) ## TopicNet[ICD-10] - subset **health**
100% of data after filtering. \
Всего в train["input"] - input_ids: 2036 | Наибольшая длинна: 31856  | Количество overflow при ctx(2048): 574 \
Всего в train["input"] - input_ids: 2036 | Наибольшая длинна: 31856  | Количество overflow при ctx(4096): 235 \
Всего в train["input"] - input_ids: 2036 | Наибольшая длинна: 31856  | Количество overflow при ctx(8192): 66 \
Всего в train["input"] - input_ids: 2036 | Наибольшая длинна: 31856  | Количество overflow при ctx(16384): 13

4) ## Den4ikAI[russian_cleared_wikipedia]  - subset **wiki**
100% of data after filtering. \
Всего в train["input"] - input_ids: 6284 | Наибольшая длинна: 49204  | Количество overflow при ctx(8192): 301 \
Всего в train["input"] - input_ids: 6284 | Наибольшая длинна: 49204  | Количество overflow при ctx(16384): 108