#270

/capstor/store/cscs/swissai/infra01/vision-datasets/processed/hf___ServiceNow___BigDocs-7.5M___downloaded

kind	webdataset
status	active
samples	n/a
size	135.7 GB
files	555
first seen	2026-07-22 13:36
last seen	2026-07-22 13:36
registered	2026-07-22 13:36

# dataset #270
path: /capstor/store/cscs/swissai/infra01/vision-datasets/processed/hf___ServiceNow___BigDocs-7.5M___downloaded
kind: webdataset | status: active
samples: n/a | size: 135.7 GB | files: 555

fields:
- key: text
- jpg: image|text

tree (truncated):
```
00006.tar
00007.tar
00008.tar
00009.tar
00010.tar
00011.tar
00012.tar
00013.tar
00014.tar
00015.tar
00016.tar
00017.tar
00018.tar
00019.tar
00020.tar
00021.tar
00022.tar
00023.tar
00024.tar
00025.tar
00026.tar
00027.tar
00028.tar
00029.tar
00030.tar
... (+530 more)
```

samples


ArxivOCR_2301_07864v1_pdf_5
ArxivOCR_2302_04724v2_pdf_4
ArxivOCR_2304_05189v1_pdf_2
ArxivOCR_2302_06202v1_pdf_6
ArxivOCR_2301_06767v1_pdf_6
ArxivOCR_2302_07942v1_pdf_5
ArxivOCR_2303_07477v1_pdf_8
ArxivOCR_2304_11758v1_pdf_7
ArxivOCR_2301_09523v1_pdf_1
ArxivOCR_2302_05070v1_pdf_7
ArxivOCR_2302_04466v4_pdf_6
ArxivOCR_2301_05086v3_pdf_4
ArxivOCR_2302_14784v1_pdf_3
ArxivOCR_2301_10696v3_pdf_1
ArxivOCR_2301_09986v2_pdf_4
ArxivOCR_2302_14643v1_pdf_4
ArxivOCR_2301_01252v2_pdf_9
ArxivOCR_2303_01134v1_pdf_2
ArxivOCR_2302_11332v2_pdf_5
ArxivOCR_2303_12620v1_pdf_7
ArxivOCR_2302_14316v1_pdf_5
ArxivOCR_2301_06740v2_pdf_2
ArxivOCR_2302_10450v1_pdf_10
ArxivOCR_2303_04188v1_pdf_9
ArxivOCR_2303_13694v2_pdf_1
<1878418 bytes>
<2361401 bytes>
<1240655 bytes>
<1200587 bytes>
<1937347 bytes>
<1156541 bytes>
ArxivOCR_2302_01273v1_pdf_4

#	key	jpg
1	ArxivOCR_2301_07864v1_pdf_5
2	ArxivOCR_2302_04724v2_pdf_4
3	ArxivOCR_2304_05189v1_pdf_2
4	ArxivOCR_2302_06202v1_pdf_6
5	ArxivOCR_2301_06767v1_pdf_6
6	ArxivOCR_2302_07942v1_pdf_5
7	ArxivOCR_2303_07477v1_pdf_8
8	ArxivOCR_2304_11758v1_pdf_7
9	ArxivOCR_2301_09523v1_pdf_1
10	ArxivOCR_2302_05070v1_pdf_7
11	ArxivOCR_2302_04466v4_pdf_6
12	ArxivOCR_2301_05086v3_pdf_4
13	ArxivOCR_2302_14784v1_pdf_3
14	ArxivOCR_2301_10696v3_pdf_1
15	ArxivOCR_2301_09986v2_pdf_4
16	ArxivOCR_2302_14643v1_pdf_4
17	ArxivOCR_2301_01252v2_pdf_9
18	ArxivOCR_2303_01134v1_pdf_2
19	ArxivOCR_2302_11332v2_pdf_5
20	ArxivOCR_2303_12620v1_pdf_7
21	ArxivOCR_2302_14316v1_pdf_5
22	ArxivOCR_2301_06740v2_pdf_2
23	ArxivOCR_2302_10450v1_pdf_10
24	ArxivOCR_2303_04188v1_pdf_9
25	ArxivOCR_2303_13694v2_pdf_1
26	ArxivOCR_2304_00648v1_pdf_6	<1878418 bytes>
27	ArxivOCR_2302_13055v1_pdf_2	<2361401 bytes>
28	ArxivOCR_2301_10369v2_pdf_8	<1240655 bytes>
29	ArxivOCR_2301_01587v1_pdf_2	<1200587 bytes>
30	ArxivOCR_2304_12316v2_pdf_5	<1937347 bytes>
31	ArxivOCR_2302_08164v2_pdf_8	<1156541 bytes>
32	ArxivOCR_2302_01273v1_pdf_4