数据集 | AI导航网站

数据集

allenai/tulu-3-sft-olmo-2-mixture

allenai/tulu-3-sft-olmo-2-mixture是一个多语种文本数据集，包含丰富的对话示例，适用于自然语言处理和机器学习研究。

数据集自然语言处理多语种

dclm-baseline-1.0

dclm-baseline-1.0是由mlfoundations团队在Hugging Face平台上发布的一个数据集,用于机器学习基线模型的训练和评估。该数据集采用CC-BY-4.0许可协议。

机器学习基线模型数据集

FineWeb：高质量自然语言处理数据集

FineWeb 自然语言处理数据集 FineWeb数据集包含超过15万亿个经过清洗和去重的英文网页

FineWeb 自然语言处理数据集