日期
大小
发布地址
huggingface.co
标签
大模型
分类
文本分类
文本识别
ChineseWebText 是目前最新、最大的中文数据集,包含 1.42 TB 的数据。每个文本都被分配了一个质量分数,方便大语言模型的研究人员根据新的质量阈值选择数据。这里还发布了一个更清洁的子集,包含 600 GB 的中文文本,质量超过 90% 。该目录包含 ChineseWebText 数据集和用于处理 CommonCrawl 数据的 EvalWeb 工具链。
做种 2
下载中 0
已完成 54
总下载 217