datablations/c4-subsets
收藏Hugging Face2023-06-14 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/datablations/c4-subsets
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含C4数据集的多个子集，每个子集包含使用GPT2Tokenizer测量的不同数量的令牌。这些数据用于支持论文Scaling Data-Constrained Language Models。
提供机构：
datablations
原始信息汇总
数据集概述
- 数据集名称： C4的各个子集
- 数据集内容： 包含不同数量的标记，使用GPT2Tokenizer进行测量。
- 数据集用途： 用于支持论文《Scaling Data-Constrained Language Models》的研究。
- 数据集来源： 基于C4数据集。
- 详细信息： 更多详情请参考GitHub仓库。
数据集联系人
- 联系人： Niklas Muennighoff
- 联系方式： n.muennighoff@gmail.com
数据集许可证
- 许可证： CC0-1.0
