|
Download README.md from Polydim-Einsof/einsof2-training-datasets: direct link, hf CLI and curl.
- Browser
- Download file 1.37 kB
-
https://huggingface.co/datasets/Polydim-Einsof/einsof2-training-datasets/resolve/main/README.md
- Command line
-
hf download hf://datasets/Polydim-Einsof/einsof2-training-datasets/README.md
-
curl -L -o README.md https://huggingface.co/datasets/Polydim-Einsof/einsof2-training-datasets/resolve/main/README.md
1.37 kB
metadata
license: apache-2.0
task_categories:
- text-generation
- question-answering
language:
- es
- en
tags:
- polydim
- einsof-ii
- stiefel-manifold
- atelier
- mathesis
size_categories:
- 1K<n<10K
dataset_info:
features:
- name: messages
list:
- name: role
dtype: string
- name: content
dtype: string
- name: category
dtype: string
- name: sample_id
dtype: int64
splits:
- name: train
num_bytes: 4549664
num_examples: 1950
download_size: 767332
dataset_size: 4549664
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
🌌 POLYDIM-EINSOF: Dataset Unificado de Entrenamiento Einsof-II
Dataset canónico de fine-tuning para la transición Einsof-I $\to$ Einsof-II:
- Muestras Totales: 1812 ejemplos estructurados en formato OpenAI/ChatML.
- Tamaño: 4.32 MB.
- Pilar 1: 1,762 demostraciones y teoremas formales en la variedad de Stiefel compacta $\mathrm{St}(k, D)$ con cota de tolerancia $\le 10^{-15}$.
- Pilar 2: 50 diálogos de co-diseño dialéctico multimodal de Atelier (resolución de conflictos técnicos mediante arquitectura desacoplada de dos módulos interconectados por
PmtpShmBus).
Apto para entrenamiento en Google Colab (T4/A100), Kaggle (Dual Tesla T4) y Alibaba Cloud Bailian.